MétaCan
Menu
Retour à la cohorte
Enregistrement W4407190360 · doi:10.1093/bjs/znae317

Care of neuroendocrine tumours: the Collaborative of sUrgical Teams for NeuroEndocrine Tumors (CUTNETs)

2024· article· en· W4407190360 sur OpenAlexaff
Julie Hallet, Joël Shapiro, Andreas Pascher, Sébastien Gaujoux, Alexandra Gangi, Ismael Domínguez-Rosado, Massimo Falconi, Stefano Partelli, Detlef K. Bartsch, Sean Bennett, Lev D. Bubis, Farhana Shariff, Marie Cappelle, Bas Groot Koerkamp, Callisia Clarke, Els Nieveen van Djikum, Andrea Frilling, Giuseppe Kito Fusai, Daryl Gray, Thilo Hackert, Anna Nießen, James R. Howe, Jessica Maxwell, Léamarie Meloche‐Dumas, Frédéric Mercier, Rodney F. Pommier, Marco Del Chiaro, Alain Sauvanet, Safi Domak, Kjetil Søreide, Peter Stålberg, Olov Norlén, Stefan Stättner, Heather Stuart

Notice bibliographique

RevueBritish journal of surgery · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueNeuroendocrine Tumor Research Advances
Établissements canadiensPancreas Centre (Canada)Health Sciences CentreUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineNeuroendocrine tumorsNeuroendocrine tumourGeneral surgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Neuroendocrine tumours (NETs) are a diverse group of malignancies with rising incidence and complex behaviours1,2. Although surgical management is a critical component of NET care, most data on NET surgery derive from single-centre experiences, limiting the generalizability of findings and contributing to a fragmented evidence base3–5. Robust, translatable clinical data that can improve surgical care for NETs are needed. Given the uncommon and heterogeneous nature of NETs, a collaborative international approach appears essential to enhance understanding and refine best practices. In 2024, an international group of NETs surgeons created CUTNETs (Collaborative of sUrgical Teams for NeuroEndocrine Tumors) to address these challenges through clinical and research collaboration.<br/><br/>As a first step, [...]

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,106
Score d'incertitude au seuil0,824

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,021
Tête enseignante GPT0,318
Écart entre enseignants0,297 · 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'étudeÉtude de cas
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish journal of surgeryMême sujetNeuroendocrine Tumor Research AdvancesTravaux en français237 207