Exploratory evidence maps for the WHO Classification of Tumours 5th edition for lung and thymus tumors
Notice bibliographique
Résumé
The WHO Classification of Tumours (WCT) guides cancer diagnosis, treatment, and research. However, research evidence in pathology continuously changes, and new evidence emerges. Correct assessment of evidence in the WCT 5th edition (WCT-5) and identification of high level of evidence (LOE) studies based on study design are needed to improve future editions. We aimed at producing exploratory evidence maps for WCT-5 Thoracic Tumours, specifically lung and thymus tumors. We extracted citations from WCT-5, and imported and coded them in EPPI-Reviewer. The maps were plotted using EPPI-Mapper. Maps displayed tumor types (columns), descriptors (rows), and LOE (bubbles using a four-color code). We included 1434 studies addressing 51 lung, and 677 studies addressing 25 thymus tumor types from WCT-5 thoracic tumours volume. Overall, 87.7% (n = 1257) and 80.8% (n = 547) references were low, and 4.1% (n = 59) and 2.2% (n = 15) high LOE for lung and thymus tumors, respectively. Invasive non-mucinous adenocarcinoma of the lung (n = 215; 15.0%) and squamous cell carcinoma of the thymus (n = 93; 13.7%) presented the highest number of references. High LOE was observed for colloid adenocarcinoma of the lung (n = 11; 18.2%) and type AB thymoma (n = 4; 1.4%). Tumor descriptors with the highest number of citations were prognosis and prediction (n = 273; 19.0%) for lung, and epidemiology (n = 186; 28.0%) for thymus tumors. LOE was generally low for lung and thymus tumors. This study represents an initial step in the WCT Evidence Gap Map (WCT-EVI-MAP) project for mapping references in WCT-5 for all tumor types to inform future WCT editions.
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 | 0,020 | 0,174 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,010 |
| Bibliométrie | 0,087 | 0,060 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,002 |
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 ».