MétaCan
Menu
← Retour à la cohorte
Enregistrement W4322496311 · doi:10.3390/curroncol30030211

Surveillance Post Surgery for Retroperitoneal Soft Tissue Sarcoma

2023· review· en· W4322496311 sur OpenAlexaffvenue
John Whitaker, Carolyn Nessim, Max Almond, Samuel Ford

Notice bibliographique

RevueCurrent Oncology · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueSarcoma Diagnosis and Treatment
Établissements canadiensOttawa Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineRadiological weaponObservational studySoft tissue sarcomaPatient experienceSarcomaIntensive care medicineHealth careSoft tissueSurgeryPathology

Résumé

récupéré en direct d'OpenAlex

Complete en bloc surgical resection offers the best opportunity for the cure of primary retroperitoneal sarcomas (RPS). The potential for disease recurrence, in the form of both loco-regional recurrence and distant metastases, underpins the rationale for postoperative surveillance. There is a paucity of high-quality evidence underpinning follow-up for RPS patients, and most practice guidelines draw from expert opinion and evidence from soft tissue sarcomas of the extremities. The available observational retrospective data analysis has failed to demonstrate that high-intensity radiological surveillance improves the overall survival in patients. The lack of a robust evidence base has given rise to variations in approaches to post-operative surveillance strategies adopted by specialist centres managing RPS across the world. More high-quality prospective research is needed and planned to more clearly support surveillance approaches that balance oncologic outcomes, patient-centric care, and health service value. Risk stratification tools exist and are available for use in routine practice. Their use will likely support more individualised post-operative surveillance moving forward. Surveillance will likely be underpinned by serial radiological imaging for the medium term. However, developments in genomics offer hope for biomarkers such as ctDNA to impact patient care positively in the future and further support individualised patient care pathways.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,288
Tête enseignante GPT0,486
Écart entre enseignants0,198 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Oncology→Même sujetSarcoma Diagnosis and Treatment→Travaux en français237 207→