MétaCan
Menu
← Retour à la cohorte
Enregistrement W4416636826 · doi:10.1183/13993003.congress-2025.pa3074

Unmasking The Masquerader: Endobronchial Ultrasound Features In Distinguishing Malignant And Benign Lymphnodes In A Tuberculous Endemic Country.

2025· article· W4416636826 sur OpenAlexaboutno aff
Aayushi Gupta, Anshu Punjabi, Maheema Bhaskar, Pavankumar Biraris, Y C Kriti, Karmay Shah, Vijayakumar Karthik, Virendra Tiwari, Devayani Niyogi, Sabita Jiwnani, Kunal Gala, Amit Janu, Nitin Shetty, Swapnil Parab, Madhavi Shetmahajan, Priya Ranganathan, Rajiv Kumar, Gaurav Salunke, Suyash Kulkarni, Sandeep Tandon, C. S. Pramesh

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMalignancyEndobronchial ultrasoundLung cancerRetrospective cohort studyUltrasoundLung

Résumé

récupéré en direct d'OpenAlex

Introduction: Various real-time EBUS features help differentiate malignant from benign mediastinal /hilar lymph nodes(MHLN) in lung cancer staging. However, limited data exist on their role in extra-thoracic malignancy (ETM) with MHLN/isolated suspicious MHLN. Aim: Retrospective analysis of EBUS B-mode features to distinguish malignant, tuberculous &reactive lymph nodes. Methods: Patients undergoing EBUS-TBNA(Oct 2022-24) were included(excluding lung cancer staging). Six B-mode features were assessed: small axis length, margins, central hilar sign(CHS), central necrosis sign(CNS), echotexture & conglomeration. Nonmalignant cases had a 6 month clinico radiological followup. Results: A total of 354 MHLN from 211 patients were sampled:84(24%) were malignant,104(30%) had TB &166(46%)were reactive. Comparing malignant vs reactive nodes, five B-mode features were independent malignancy predictors: small axis length>1 cm[O.R:2.23(1.30-3.83)],well-defined margins[O.R:6.44(3.61-11.47)],absent CHS[O.R:2.87(1.14-7.19)],CNS present[O.R:7.53(4.07-13.92)]& heterogeneous echotexture[O.R:3.59(1.98-6.51)],except conglomeration. Comparing malignant vs TB /benign(TB+reactive)nodes, only 3 features predicted malignancy: well-defined margins[O.R:5.06 (2.81-9.13)],heterogeneous echotexture[O.R:4.34 (2.33-8.10)]& CNS present [O.R:2.27(1.19-4.32)](p<0.001).TB vs reactive nodes showed no significant B-mode differences except size. Canada LN scores of 3/4 had O.R of 15 & 28{p<0.01}for malignancy respectively. Conclusion: EBUS B-mode features reliably differentiates malignant from benign LNs but not TB from reactive LNS, reinforcing the need for tissue samping in TB endemic countries.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,006
Tête enseignante GPT0,267
Écart entre enseignants0,261 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLung Cancer Diagnosis and Treatment→Travaux en français237 207→