MétaCan
Menu
Retour à la cohorte
Enregistrement W4251015819 · doi:10.21203/rs.3.rs-29543/v1

Incidence of osteoradionecrosis of the jaws: A retrospective study of 620 head and neck cancer patients treated by radiotherapy

2020· preprint· en· W4251015819 sur OpenAlexaff
Ryma Kabir, Robert Durand, David Roberge, Eric M. Đufresne, Phuc Félix Nguyen‐Tan, Matthieu Schmittbuhl

Notice bibliographique

RevueResearch Square (Research Square) · 2020
Typepreprint
Langueen
DomaineMedicine
ThématiqueOral health in cancer treatment
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésOsteoradionecrosisMedicineRadiation therapyHead and neck cancerIncidence (geometry)Retrospective cohort studyHead and neckCancerDental extractionDentistrySurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background This study aims to assess systemic and local risk factors influencing the development of osteoradionecrosis of the jaws (ORN) and its incidence in head and neck cancer patients undergoing radiotherapy.Methods This was a retrospective cohort study of 620 adult patients following radiation for a head and neck cancer in 2011 or 2012. Results Of the 181 patients who did not require any extraction, the incidence of ORN was 0.5%. Of the 266 patients with 1491 dental extractions (mean 5.5 teeth per patient) performed before radiotherapy, the incidence of ORN was 3.7%. ORN was always observed in extraction sites located in the field of radiation. No dental extractions were done during radiotherapy. Of the 20 patients with 53 dental extractions (mean 2.7 teeth per patient) performed after radiotherapy, 15 teeth were located in the field of radiation. No case of ORN was reported in that group. For edentulous patients, ORN incidence was 1.7%. Conclusion Within the limitations of this study, the incidence of ORN can be minimized with a meticulous pre-radiotherapy dental examination, a comprehensive treatment plan and diligent post-radiotherapy follow-ups conducted by an experienced multidisciplinary team.

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)0,001
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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,114
Tête enseignante GPT0,481
Écart entre enseignants0,367 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Square (Research Square)Même sujetOral health in cancer treatmentTravaux en français237 207