To Evaluate the Efficacy of Tissue Autofluorescence (Velscope) in the Visualization of Oral Premalignant and Malignant Lesions among High-Risk Population Aged 18 Years and Above in Haroli Block of Una, Himachal Pradesh
Notice bibliographique
Résumé
Introduction: Visually enhanced lesion scope (Velscope) that identifies reduction in tissue fluorescence in dysplasia can prove to be effective in screening for potentially malignant lesions. The objective of the present study was to evaluate the effectiveness of device that utilizes the principles of tissue autofluorescence (Velscope) in the detection of dysplastic and/or neoplastic changes in oral mucosal lesions using biopsy and histopathology as "gold standard." Materials and Methods: Out of nine hundred fifty patients with suspicious oral mucosal lesions, 250 patients were subjected to conventional oral examination followed by Velscope examination. The autofluorescence characteristics of 250 patients were compared with the results of histopathology. Biopsies were obtained from all suspicious areas identified on examination. The sensitivity, specificity, positive and negative predictive values were calculated for Velscope examination. Results: The Velscope examination showed sensitivity and specificity values of 75.00% (95% CI: 69.63%-80.37%) and 61.39% (95% CI: 55.35%-67.42%) respectively while the positive and negative predictive values were 31.58% (95% CI: 25.82%-37.34%) and 91.18% (95% CI: 87.66%-94.69%) respectively. Conclusion: The definite diagnosis of the presence of dysplastic tissue changes in the oral lesions cannot be made alone with the Velscopic examination. The high number of false-positive results limits its efficiency as an adjunct despite its reasonable sensitivity. However, It can serve to alleviate patient anxiety regarding suspicious mucosal lesions in a general practice setting due to high negative predictive value. Also, a combined approach of Velscope examination and conventional oral examination may prove to be an effective diagnostic tool for early detection of malignant oral mucosal lesions.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».