Demographic and pathologic factor regression to a growth rate model of <scp>p16</scp>‐negative oral cavity squamous cell carcinoma
Notice bibliographique
Résumé
Objectives: The current study aims to quantify the growth rate of p16-negative oral cavity squamous cell carcinoma, characterize causative relationships between demographic risk factors and tumor growth, and examine pathologic findings associated with the tumor growth rate at a tertiary care institution. It is hypothesized that causative relationships will be drawn between the individual sociodemographic and pathologic factors and oral cavity p16-negative squamous cell carcinoma growth rate. Methods: /week. Demographic information including age, sex, smoking history, alcohol consumption history, previous all-type malignancy, previous chemotherapy treatment, previous head or neck radiation exposure, and time interval elapsed between diagnosis and surgery was collected from each participant, and regression analysis was applied to determine causality. Results: /week. Statistically significant regression correlations were detected between tumor growth and alcohol consumption, origination at the retromolar trigone, and clinical nodal stage. Conclusions: Through a small prospective cohort sample, the current study suggests clinical associations between alcohol consumption, origination at the retromolar trigone, and clinical nodal stage with rate of tumor growth. Future work will validate these relationships in a larger patient cohort, and against stronger modeling techniques. Level of Evidence: Prospective non-random cohort design.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».