Improving the Prognosis of Pancreatic Cancer Through Early Detection: Protocol for a Prospective Observational Study
Notice bibliographique
Résumé
BACKGROUND: Pancreatic cancer is associated with high mortality and its rates of detection are very low; as such, the disease is typically diagnosed at an advanced stage. A number of risk factors for pancreatic cancer have been reported and may be used to identify individuals at high risk for the development of this disease. OBJECTIVE: The aim of this prospective, observational trial is to evaluate a scoring metric for systematic early detection of pancreatic cancer in Mie Prefecture, Japan. METHODS: Eligible patients aged 20 years and older will be referred from participating clinics in the Tsu City area to the Faculty of Medicine, Gastroenterology, and Hepatology at Mie University Graduate School, until September 30, 2022. Participants will undergo a detailed examination for pancreatic cancer. Data collection will include diagnostic and follow-up imaging data and disease staging information. RESULTS: The study was initiated in September 2020 and aims to recruit at least 150 patients in a 2-year period. Recruitment of patients is currently still underway. Final data analysis is expected to be complete by March 2025. CONCLUSIONS: This study will provide insights into the feasibility of using a scoring system for the early detection of pancreatic cancer, thus potentially improving the survival outcomes of diagnosed patients. TRIAL REGISTRATION: UMIN-CTR Clinical Trials Registry UMIN000041624; https://tinyurl.com/94tbbn3s. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/26898.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,053 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,044 | 0,009 |
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 source (Gemma direct ou Codex distillé), 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 ».