MétaCan
Menu
Retour à la cohorte
Enregistrement W3163657792 · doi:10.3390/curroncol28030175

Clinicopathological Risk Factors for Contralateral Lymph Node Metastases in Intraoral Squamous Cell Carcinoma: A Study of 331 Cases

2021· article· en· W3163657792 sur OpenAlexvenueno aff
Christian Flörke, Aydın Gülses, C. Altmann, Jörg Wiltfang, Henning Wieker, Hendrik Naujokat

Notice bibliographique

RevueCurrent Oncology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueHead and Neck Cancer Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineGrading (engineering)Basal cellInfiltration (HVAC)Lymph node metastasisLymph nodeMetastasisPathologyCarcinomaOncologyCancerInternal medicine

Résumé

récupéré en direct d'OpenAlex

The current study aimed to examine the effects of clinicopathological factors, including the region, midline involvement, T classification, histological grade, and differentiation of the tumor on the rate of contralateral lymph node metastasis for oral squamous cell carcinoma and to assess their effects on survival rates. A total of 331 patients with intraoral squamous cell carcinomas were included. The influence of tumor location, T status, midline involvement, tumor grading, and the infiltration depth of the tumor on the pattern of metastasis was evaluated. Additionally, the effect of contralateral metastases on the prognosis was examined. Metastases of the contralateral side occurred most frequently in squamous cell carcinomas of the palate and floor of the mouth. Furthermore, tumors with a high T status resulted in significantly higher rates of contralateral metastases. Similarly, the midline involvement, tumor grading, existing ipsilateral metastases, and the infiltration depth of the tumor had a highly significant influence on the development of lymph node metastases on the opposite side. Oral squamous cell carcinomas require a patient-specific decision. There is an ongoing need for further prospective studies to confirm the validity of the prognostic factors described herein.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,166
Tête enseignante GPT0,434
Écart entre enseignants0,268 · 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

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetHead and Neck Cancer StudiesTravaux en français237 207