Conference on challenges in sarcoma (CCS) 2024: Expert opinions on non-evidence-based management aspects
Notice bibliographique
Résumé
BACKGROUND: Soft tissue sarcomas (STS) and other mesenchymal tumours belong to rare, heterogeneous neoplasms with over 150 subtypes that pose significant challenges in diagnosis and clinical decision making. While guidelines address evidence-based diagnostic and therapeutic procedures, clinical situations and scenarios without evidence remain controversial in daily practice. The 2024 Conference on Challenges in Sarcoma (CCS2024) aimed to narrow these gaps with the support of an international and multidisciplinary panel of sarcoma experts. METHODS: A Delphi process identified 200 controversial questions across eight prioritised clinical scenarios, including tenosynovial giant cell tumour, synovial sarcoma of the extremities, retroperitoneal sarcomas, angiosarcoma, phyllodes tumour, malignant peripheral nerve sheath tumour, uterine leiomyosarcoma, and atypical lipomatous tumour. RESULTS: Sixty-four experts discussed 141 controversies during the conference and reached strong consensus (> 90 %) on 24 and consensus (> 75 %) on 45 key diagnostic and therapeutic issues, while unresolved controversies emphasized the need for further research. CONCLUSIONS: CCS2024 provides a framework for clinical decision making and underscores the importance of consensus-driven approaches in the treatment of rare and complex malignancies.
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 | 0,125 | 0,203 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,004 | 0,016 |
| Intégrité de la recherche | 0,016 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,004 |
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 ».