MétaCan
Menu
Retour à la cohorte
Enregistrement W4411627608 · doi:10.1177/08465371251346732

CAR Recommendations for the Management of Incidental Findings of the Spleen and Nodes in Adults

2025· review· en· W4411627608 sur OpenAlexaffabout
Jeffery R. Bird, Gary Brahm, Christopher Fung, Wendy Tu, Isabelle-Jiamin Zheng, Iain D. C. Kirkpatrick

Notice bibliographique

RevueCanadian Association of Radiologists Journal · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueAbdominal Trauma and Injuries
Établissements canadiensHalTechUniversity of ManitobaWestern UniversityUniversity of AlbertaUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésMedicineMesenteryContext (archaeology)RadiologyAsymptomaticSplenic arterySpleenGeneral surgeryPathologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

The Canadian Association of Radiologists Incidental Findings Working Group (CAR IFWG) has developed new recommendations for the management of incidental findings of the spleen, lymph nodes, peritoneum, and mesentery, tailored to the Canadian healthcare context. This guidance addresses splenomegaly, focal splenic lesions, splenic artery aneurysms, lymphadenopathy, mesenteric panniculitis, and peritoneal nodules. Building on prior American College of Radiology (ACR) guidance and integrating recent evidence, the CAR IFWG offers a pragmatic approach emphasizing radiologic features, clinical context, and patient risk factors to minimize unnecessary follow-up. The recommendations aim to streamline care, reduce patient anxiety, and support radiologists in distinguishing benign from potentially malignant findings in asymptomatic individuals.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,867
Score d'incertitude au seuil0,335

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,031
Tête enseignante GPT0,335
Écart entre enseignants0,303 · 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'étudeAutre devis
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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Association of Radiologists JournalMême sujetAbdominal Trauma and InjuriesTravaux en français237 207