MétaCan
Menu
Retour à la cohorte
Enregistrement W4416930956 · doi:10.1055/s-0045-1812902

Imaging Pitfalls in Pediatric, Adolescent, and Young Adult Hodgkin Lymphoma: A SEARCH for CAYAHL Initiative to Bridge Multidisciplinary Patient Care

2025· article· W4416930956 sur OpenAlexaff
J. Steglich, Nawar Dakhallah, Adina Alazraki, S Castellino, Karin Dieckmann, Jamie E. Flerlage, Claire Gowdy, Mallorie B. Heneghan, Kimberly M. Kelly, Hollie Lai, Christine Mauz‐Körholz, Kathleen M. McCarten, Sarah A. Milgrom, Reena Pabari, Michael Palese, Stephan D. Voss, Lars Kurch, Dietrich Stoevesandt, Jennifer Seelisch

Notice bibliographique

RevueKlinische Pädiatrie · 2025
Typearticle
Langue
DomaineMedicine
ThématiqueLymphoma Diagnosis and Treatment
Établissements canadiensWestern UniversityLondon Health Sciences CentreBC Children's HospitalHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésMultidisciplinary approachBridge (graph theory)Young adultPatient careMEDLINE

Résumé

récupéré en direct d'OpenAlex

Introduction Hodgkin lymphoma (HL) is a highly curable cancer in children, adolescents, and young adults. Treatment strategies prioritize minimizing long-term toxicity while maintaining high survival rates. Clinical trials often include centralized imaging review to accurately determine the stage of the disease as it significantly impacts treatment decisions. Accurate and reliable imaging reports are required. Discrepancies sometimes arise between academic guidelines and real-life imaging scenarios leading to uncertainties in image interpretation. Methods The Staging, Evaluation, and Response Criteria Harmonization for Childhood, Adolescent, and Young Adult Hodgkin Lymphoma (SEARCH for CAYAHL) initiative, launched in 2011, aims to standardize imaging criteria for HL among cooperative study groups, resulting in more comparable data across trials. With representation from the Children's Oncology Group, the European Network for Pediatric Hodgkin Lymphoma and the Pediatric Hodgkin Consortium, a working group – that included specialists in diagnostic radiology, nuclear medicine, radiation oncology, and pediatric oncology – identified recurrent imaging pitfalls in HL that may lead to incorrect staging. This project is intended to assist imaging professionals and clinicians interested in HL to improve interdisciplinary cancer care for this patient population. Results Image reporting may be influenced by both, errors in image acquisition, and the misinterpretation of imaging findings. The collection of disease-specific pitfalls in this project provides clinical scenarios dedicated to both topics illustrated through typical PET, CT, and MRI findings in illustrative case vignettes. In case of uncertainty, possible strategies for identifying differentials are also provided. Given the growing importance of PET imaging in HL, this project also discusses the limitations of 18 FDG, thereby emphasizing the importance of integrating the metabolic and morphological components of hybrid imaging. Conclusion This project provides a practical complement to existing scientific literature that addresses recurring pitfalls that may lead to diagnostic uncertainty and their consequences. By promoting interdisciplinary dialogue, the project aims to improve interdisciplinary decision-making in the real world and ultimately enhance outcomes for patients with HL. Publication History Article published online: 02 December 2025 © 2025. Thieme. All rights reserved. Georg Thieme Verlag KG Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany

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)0,002
score de la tête « metaresearch » (Gemma)0,020
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,019
Tête enseignante GPT0,310
Écart entre enseignants0,291 · 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
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 présentnon

Explorer davantage

Même revueKlinische PädiatrieMême sujetLymphoma Diagnosis and TreatmentTravaux en français237 207