P.161 Management of recurrent glioblastoma multiforme: An inter-observer variability study
Notice bibliographique
Résumé
Background: A significant proportion of glioblastoma multiforme (GBM) patients are considered for repeat resection, but evidence regarding best management remains elusive. Methods: An electronic portfolio of MR images of 37 cases of pathologically confirmed recurrent GBM with an accompanying clinical vignette was constructed. Surgical responders from various countries, training backgrounds, and years’ experience were asked for each case to select: their chosen management (repeat surgery, chemotherapy, radiation, or conservative), confidence in recommended management, and whether they would include the patient in a randomized trial that gave a 50% chance of re-operation. Responses were evaluated with kappa statistics and values interpreted according to Landis and Koch (0–0.2, slight; 0.21–0.4, fair; 0.41–0.6, moderate; 0.61–0.8, substantial; 0.81-1.0 perfect agreement). Results: 26 surgeons responded to the survey. Agreement regarding best management of recurrent GBM was slight, even when management options were dichotomized (repeat surgery vs. all others) (k=0.198 (95%CI 0.133-0.276). Country of practice, years’ experience, and training background did not improve agreement. Responders were willing to include more than 70% of patients in a randomized trial. Conclusions: Only slight agreement exists regarding the question of re-operation for patients with recurrent GBM. This supports the need for a randomized controlled trial.
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 | 0,042 | 0,111 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».