MétaCan
Menu
Retour à la cohorte
Enregistrement W4210297674 · doi:10.3390/curroncol29020066

Virtual Resection: A New Tool for Preparing for Nephron-Sparing Surgery in Wilms Tumor Patients

2022· article· en· W4210297674 sur OpenAlexvenueno aff
Jasper M. van der Zee, Matthijs Fitski, Frank F.J. Simonis, Cornelis P. van de Ven, Aart J. Klijn, Marc H. W. A. Wijnen, Alida F. W. van der Steeg

Notice bibliographique

RevueCurrent Oncology · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRenal and related cancers
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineResectionVisualizationSurgeryRadiologyComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Nephron-sparing surgery (NSS) in Wilms tumor (WT) patients is a surgically challenging procedure used in highly selective cases only. Virtual resections can be used for preoperative planning of NSS to estimate the remnant renal volume (RRV) and to virtually mimic radical tumor resection. In this single-center evaluation study, virtual resection for NSS planning and the user experience were evaluated. Virtual resection was performed in nine WT patient cases by two pediatric surgeons and one pediatric urologist. Pre- and postoperative MRI scans were used for 3D visualization. The virtual RRV was acquired after performing virtual resection and a questionnaire was used to assess the ease of use. The actual RRV was derived from the postoperative 3D visualization and compared with the derived virtual RRV. Virtual resection resulted in virtual RRVs that matched nearly perfectly with the actual RRVs. According to the questionnaire, virtual resection appeared to be straightforward and was not considered to be difficult. This study demonstrated the potential of virtual resection as a new planning tool to estimate the RRV after NSS in WT patients. Future research should further evaluate the clinical relevance of virtual resection by relating it to surgical outcome.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,329
Écart entre enseignants0,289 · 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'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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetRenal and related cancersTravaux en français237 207