MétaCan
Menu
Retour à la cohorte
Enregistrement W3091149837 · doi:10.1177/1066896920962184

Breast Specimen Measurement Methodology and Its Potential Major Impact on Tumor Size

2020· article· en· W3091149837 sur OpenAlexaff
Moreen Haddad, Bin Xu, Cherry Pun, Fang‐I Lu, Carlos Parra‐Herran, Sharon Nofech‐Mozes, Elzbieta Slodkowska

Notice bibliographique

RevueInternational Journal of Surgical Pathology · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBreast Cancer Treatment Studies
Établissements canadiensHealth Sciences CentreUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésSample size determinationGrain sizeMaterials scienceMedicineBiomedical engineeringMathematicsStatisticsComposite material

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Pathologic tumor size assessment highly depends on the gross specimen size once microscopic cancer size exceeds its macroscopic size, in particular if the dimension along the plane of sectioning is the greatest. We hypothesize that the method by which the specimen size is estimated can yield significantly different tumor size measurements and thus affect breast cancer staging and treatment. METHODS: The size in the plane of sectioning of 50 lumpectomies over 4 cm was examined by 5 methods: measured grossly in the fresh state and postfixation, and calculated from the gross measurements by 3 different methods. For 15 mastectomies, we measured and calculated the span of the middle 4 and 6 slices using 3 methods. RESULTS: < .001). Using the method of adding 0.4 cm per each submitted sequential section yielded the smallest size in most cases. In mastectomies the span of the middle 4 and 6 slices was significantly larger if calculated from the average slice thickness based on the specimen size. CONCLUSION: The method of specimen size measurement has implications in estimation of tumor size and patient management. It is essential that pathologists be aware of the technique used and its limitations. For individual slice thickness, we highly recommend using the measurements obtained at the time of grossing rather than calculating the average slice thickness from the specimen size.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,742
Score d'incertitude au seuil0,485

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,316
Écart entre enseignants0,276 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Surgical PathologyMême sujetBreast Cancer Treatment StudiesTravaux en français237 207