MétaCan
Menu
Retour à la cohorte
Enregistrement W4410015550 · doi:10.1016/s1470-2045(25)00020-8

International consensus on laryngeal preservation strategies in laryngeal and hypopharyngeal cancer

2025· review· en· W4410015550 sur OpenAlexaff
Marco Ferrari, Francesca Mularoni, Davide Smussi, Piergiorgio Gaudioso, Pierluigi Bonomo, Jeppe Friborg, Maria Grazia Ghi, Vincent Grégoire, K.H. Harrington, Keith D. Hunter, Roberto Maroldi, Rosemary Martino, Ricard Mesı́a, Giorgio Peretti, Amanda Psyrri, Antonio Schindler, Giovanni Succo, Petr Szturz, Isabel Vilaseca, Piero Nicolai, Paolo Bossi

Notice bibliographique

RevueThe Lancet Oncology · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueHead and Neck Cancer Studies
Établissements canadiensToronto Rehabilitation Institute
Organismes subventionnairesnon disponible
Mots-clésHypopharyngeal cancerLarynxMedicineCancerGeneral surgerySurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

This Policy Review summarises an expert Delphi consensus process on larynx-preservation treatments in patients affected by intermediate-to-advanced laryngeal or hypopharyngeal squamous cell carcinoma. The experts, who represented all perspectives involved in multidisciplinary management of these patients and included patient representatives, approved 137 consensus statements that cover several relevant areas in the field of larynx-preserving treatments. Statements are grouped in the following topics: granular indications for T2-T3 cancer, indications for T4a cancer, indications for salvage organ-preservation surgery after chemoradiation failure, laryngeal function at baseline, which comorbidities are contraindications and to what extent, organ preservation in older patients: selection criteria, post-treatment surveillance, prognostic and predictive factors, listening to the patient's preferences: tools and implementation, prehabilitation and rehabilitation protocols, and cost-effectiveness of different laryngeal preservation approaches. We present a high-level summary of the results of the consensus process, with detailed reference to the full list of statements and supporting literature.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,008
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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.

Tête enseignante Opus0,132
Tête enseignante GPT0,454
Écart entre enseignants0,321 · 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 source (Gemma direct ou Codex distillé), 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

Citations17
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueThe Lancet OncologyMême sujetHead and Neck Cancer StudiesTravaux en français237 207