MétaCan
Menu
Retour à la cohorte
Enregistrement W3043913046 · doi:10.1016/j.jtocrr.2020.100078

Development and Validation of Diffuse Idiopathic Pulmonary Neuroendocrine Hyperplasia Diagnostic Criteria

2020· article· en· W3043913046 sur OpenAlexaff
Olga V. Sazonova, Venkata Manem, Chloé Béland, Marc-André Hamel, Yves Lacasse, Marie‐Hélène Lévesque, Michèle Orain, David Joubert, Steeve Provencher, David Simonyan, Philippe Joubert

Notice bibliographique

RevueJTO Clinical and Research Reports · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueNeuroendocrine Tumor Research Advances
Établissements canadiensUniversity of OttawaUniversité LavalInstitut universitaire de cardiologie et de pneumologie de Québec
Organismes subventionnairesActelion PharmaceuticalsAstraZeneca
Mots-clésMedicinePathologicalUnivariate analysisUnivariateCohortMultivariate analysisRadiologyHyperplasiaLungMultivariate statisticsInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Diffuse idiopathic pulmonary neuroendocrine hyperplasia (DIPNECH) is a rare condition that is likely underdiagnosed owing to the lack of established and validated diagnostic criteria. These clinical guidelines are empirical and created on the basis of a limited number of studies. This study was designed to validate the existing criteria and to identify new clinical parameters that can accurately diagnose DIPNECH. METHODS: Patients with DIPNECH were identified from a cohort that underwent surgical lung resection for pulmonary carcinoids. The study cohort included a total of 105 consecutive cases with neuroendocrine lesions. Initial diagnostic predictors of DIPNECH were selected from the literature. We employed univariate and multivariate models to evaluate the association of clinical, pathologic, radiologic variables with the likelihood of DIPNECH. RESULTS: < 0.05). After adjustment for sampling variations, the ratio of the total number of PNELs to the number of bronchioles was found to be considerably higher in DIPNECH category. Multivariate analysis identified the total number of PNELs and multiple pulmonary nodules (>10) as independent predictors of DIPNECH. The performance of our criteria revealed an accuracy of 76% in detecting DIPNECH cases. CONCLUSIONS: We proposed a set of diagnostic criteria for DIPNECH on the basis of an expert-panel approach integrating pathological features, radiology, and clinical data. Our findings will help identify DIPNECH patients, without a pathological confirmation of a neuroendocrine lesion. Before the implementation of these criteria in clinical practice, they require further validation in multi-institutional cohorts.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,050
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,050
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,139
Tête enseignante GPT0,444
Écart entre enseignants0,305 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJTO Clinical and Research ReportsMême sujetNeuroendocrine Tumor Research AdvancesTravaux en français237 207