MétaCan
Menu
Retour à la cohorte
Enregistrement W4386928244 · doi:10.1503/cjs.011422

Colorectal polyp classification and management of complex polyps for surgeon endoscopists

2023· review· en· W4386928244 sur OpenAlexaffvenue
Garrett Johnson, Ramzi M. Helewa, Dana C. Moffatt, John Gerard Coneys, Jason Y. Park, Eric Hyun

Notice bibliographique

RevueCanadian Journal of Surgery · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueGastric Cancer Management and Outcomes
Établissements canadiensUniversity of ManitobaUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicinePolypectomyEndoscopyColorectal PolypColonoscopyGeneral surgeryColorectal cancerRadiologySurgeryCancerInternal medicine

Résumé

récupéré en direct d'OpenAlex

Increasing familiarity with advanced endoscopic excision techniques allows for more colorectal lesions to be removed without major surgery. Endoscopic excision with negative margins is adequate for most polyps and low-risk T1 cancers. The use of modern polyp classification techniques based on size, morphology and pit pattern by an experienced endoscopist allow for an optical diagnosis of these lesions and can predict, with high accuracy, which lesions contain malignant disease and the level of invasion. A surgeon endoscopist must be able to recognize which complex polyps can be resected with advanced polypectomy techniques and which require upfront surgery. We aimed to provide an overview of polyp classification techniques to help surgeons select the correct treatment algorithm for advanced colorectal lesions based on their visual characteristics at index endoscopy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,903
Score d'incertitude au seuil0,817

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,000
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)0,0000,000

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 Opus0,249
Tête enseignante GPT0,366
Écart entre enseignants0,117 · 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 tête enseignante, 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

Citations21
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of SurgeryMême sujetGastric Cancer Management and OutcomesTravaux en français237 207