MétaCan
Menu
Retour à la cohorte
Enregistrement W4386607127 · doi:10.1016/j.jtho.2023.07.008

The International Association for the Study of Lung Cancer Thymic Epithelial Tumors Staging Project: An Overview of the Central Database Informing Revision of the Forthcoming (Ninth) Edition of the TNM Classification of Malignant Tumors

2023· review· en· W4386607127 sur OpenAlexafffund
Andreas Rimner, Enrico Ruffini, Vanessa Cilento, Emily Goren, Usman Ahmad, Sarit Appel, Andrea Billè, Souheil Boubia, Cecilia Brambilla, Ayten Cangır, Frank Detterbeck, Conrad Falkson, Wentao Fang, Pier Luigi Filosso, Giuseppe Giaccone, Nicolas Girard, Francesco Guerrera, James Huang, Maurizio Infante, Dong Kwan Kim, Marco Lucchi, Mirella Marino, Edith M. Marom, Andrew G. Nicholson, Meinoshin Okumura, Ramón Rami–Porta, Charles B. Simone, Hisao Asamura

Notice bibliographique

RevueJournal of Thoracic Oncology · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueMyasthenia Gravis and Thymoma
Établissements canadiensQueen's University
Organismes subventionnairesNational Cancer InstituteYonsei University College of MedicineCollege of Medicine, Seoul National UniversityInstitut universitaire de cardiologie et de pneumologie de Québec, Université LavalShanghai Pulmonary HospitalSzegedi TudományegyetemTokyo Women's Medical UniversityShanghai Chest HospitalPeking UniversityUniversità di PisaChina Medical UniversityUniversiteit GentKU LeuvenQueen's UniversityAstellas PharmaSamsungYonsei UniversityEisaiHealth Science Center, University of TennesseeUniversitair Ziekenhuis GentSoochow UniversityUniversiteit AntwerpenSeoul National University HospitalFudan UniversityUniversität WienUniversidade de São PauloHyogo College of MedicineSungkyunkwan UniversityBristol-Myers SquibbSemmelweis EgyetemKanazawa UniversityTechnische Universität MünchenAnkara UniversitesiChugai PharmaceuticalComprehensive Cancer Center, City of HopeAix-Marseille UniversitéUniversity of TorontoImperial College LondonAstraZenecaUniversity of AberdeenInternational Association for the Study of Lung CancerMount Sinai Health SystemUniversity of ChicagoYale UniversityNSW Health PathologyHarvard UniversityMemorial Sloan-Kettering Cancer CenterVarian Medical SystemsSeoul National UniversityAlexion PharmaceuticalsOhio State UniversityKindai UniversityUniversity of Texas Southwestern Medical CenterUniversità degli Studi di PadovaCentro de Investigación Biomédica en Red de CáncerMassachusetts General HospitalMerckUniversity of LeicesterUniversitätsspital ZürichMedizinische Universität WienYork UniversityUniversidad de NavarraUniversité Hassan II de CasablancaPostgraduate Institute of Medical Education and Research, ChandigarhBrigham and Women's HospitalPfizer
Mots-clésMedicineNinthLung cancer stagingLung cancerOncologyGeneral surgery

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,003
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0070,010
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
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 Opus0,131
Tête enseignante GPT0,494
Écart entre enseignants0,363 · 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
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

Citations36
Publié2023
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueJournal of Thoracic OncologyMême sujetMyasthenia Gravis and ThymomaTravaux en français237 207