COLONOGRAFIA POR TOMOGRAFIA COMPUTADORIZADA NA TRIAGEM DE CÂNCER COLORRETAL: UMA REVISÃO DE LITERATURA
Notice bibliographique
Résumé
O câncer de colorretal é a terceira neoplasia mais frequente no mundo, acomete, principalmente, a porção distal do trato gastrointestinal. No Brasil, é a terceira neoplasia mais prevalente no sexo feminino segundo o INCA. O diagnóstico precoce e rastreamento são as formas mais eficazes de prevenir a formação e desenvolvimento da CCR, pois possibilita identificar lesões pré-malignas. Dentre os métodos diagnósticos, a CTC é uma técnica tridimensional, que utiliza baixa dose de radiação e permite diagnosticar lesões de cólon, mas também extra colônicas. Objetivo: Realizar uma revisão integrativa da literatura a respeito do exame de diagnóstico CTC para neoplasias de cólon, abordando sobre definição, técnica, triagem, rastreio, sensibilidade, especificidade e custo; indicações e contraindicações, benefícios e limitações do exame. Método: Trata-se de uma revisão bibliográfica integrativa da literatura e síntese dos resultados a partir de artigos científicos publicados e indexados nos portais PubMed e BVS (Biblioteca Virtual em Saúde), nas bases de dados Lilacs, Medline e Scielo. Conclusão: O rastreamento e identificação de pólipos e lesões neoplásicas intestinais é importante para reduzir ou descartar um possível avanço da doença. As combinações dos métodos existentes para o diagnóstico precoce agem de forma efetiva para a detecção e exérese da lesão, sobretudo, a CTC, além disso, ela tem uma boa especificidade e sensibilidade na detecção de lesões de 5 a 9 mm e extra colônicas. Porém, lesões menores de 5 mm que não podem ser identificadas com precisão.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».