Age, operation time and surgical approach can be used to detect incidental gallbladder carcinoma in cholecystectomy specimens from low‐incidence settings
Notice bibliographique
Résumé
AIMS: Gallbladders resected for non-neoplastic diseases are systemically examined microscopically to rule out incidental dysplasia and carcinoma. The main aim of this study was to test whether a pre-grossing algorithm can detect incidental gallbladder carcinoma. The secondary aim was to test whether the algorithm can detect high-grade dysplasia. METHODS AND RESULTS: A retrospective study of clinical, pathological and radiological findings in cholecystectomy recipients was performed on a test set to develop a classification and regression tree algorithm. Cholecystectomy cases were included; exclusion criteria were age <18 years, missing pathology reports, preoperative suspicion of neoplastic disease, and cholecystectomy for non-gallbladder oncological disease. Five thousand nine hundred and eighty-two cholecystectomies from 2006 to 2018 were included in the study, with 18 cases of incidental gallbladder carcinoma and 11 cases of high-grade dysplasia. Three hundred and ninety controls were randomly selected for the testing set. Patient age, surgical approach, operation duration, dilatation of the biliary tract and gallbladder gross anomalies were statistically significant distinguishing factors in multivariate analysis (P < 0.00-0.026). Unsupervised testing with a conditional inference tree suggested that age, procedure type and operation duration can be used to identify incidental gallbladder carcinoma from controls, whereas high-grade dysplasia also requires grossing parameters to identify half of the cases (5/11). CONCLUSION: Readily available clinical parameters and postoperative data can be used to detect incidental gallbladder carcinoma. High-grade dysplasia mostly requires grossing and microscopic examination.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 ».