Management of Vulvar Cancer Precursors: A Survey of the International Society for the Study of Vulvovaginal Disease
Notice bibliographique
Résumé
OBJECTIVE: The aim of the study was to determine how experts treat vulvar high-grade squamous intraepithelial neoplasia (VHSIL) and differentiated vulvar intraepithelial neoplasia (dVIN). METHOD: A 26-question survey was designed through a literature review, reviewed by the Survey Committee of the International Society for the Study of Vulvovaginal Disease (ISSVD), and distributed to all ISSVD members via e-mail in January 2019. RESULTS: Overall, 90 of 441 physician members consented to participate and 78 of 90 were eligible to complete the survey. Most respondents were gynecologists (77%), followed by dermatologists (12%). Forty-five percent responded that their pathology was being reported using the 2015 ISSVD terminology of vulvar squamous intraepithelial lesions. The most common first-line treatments were as follows: unifocal VHSIL-excision (65%), multifocal VHSIL-imiquimod 5% (45%), VHSIL in a hair-bearing area-excision (69%), and clitoral disease-imiquimod 5% (47%). In the recurrent VHSIL, excision was favored (28%), followed by imiquimod 5% (26%) and laser (19%). Differentiated vulvar intraepithelial neoplasia was most often first treated with excision (82%), and more patients were referred to gynecologic oncology. Most patients were seen in follow-up at 3 months (range: 1 week-6 months). Sixty-seven respondents provided 26 different ways to follow treated patients, which were most commonly every 6 months for 2 years and then yearly (25%), followed by every 6 months indefinitely (18%). CONCLUSIONS: Treatment of VHSIL and dVIN varies among vulvar experts with excision being the most common treatment, except in multifocal VHSIL where imiquimod is commonly used. There is wide variation in how patients are followed after treatment.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».