Surgical treatment of pancreatic cancer – randomized controlled trials
Bibliographic record
Abstract
StreszczeniePodejmowanie decyzji klinicznych w każdej dziedzinie medycyny powinno być oparte na evidence-based medicine, czyli dowodach płynących z dużych, dobrze zaprojektowanych i przeprowadzonych badań klinicznych.W naukowej hierarchii ważności najwyższe miejsce zajmują metaanalizy, zwłaszcza te oparte na ocenie badań klinicznych z randomizacją.W artykule tym autorzy zebrali wyniki wszystkich metaanaliz i klinicznych badań z randomizacją dotyczących chirurgicznego leczenia raka części zewnątrzwydzielniczej trzustki.Przeszukano bazę PubMed, używając słów pancreatic cancer i randomized controlled trials, a następnie przeanalizowano wszystkie dostępne w pełnej wersji artykuły odpowiadające słowom kluczowym, często znajdując w nich odniesienia do kolejnych badań.Niniejsza publikacja jest próbą zebrania wyników istotnych badań dotyczących postępowania okołooperacyjnego u chorych na raka trzustki, w tym skuteczności przedoperacyjnego drenażu dróg żółciowych, technik zespolenia trzustkowo-jelitowego i rozszerzonej limfadenektomii.Oceniono także skuteczność i bezpieczeństwo pankreatoduodenektomii sposobem Whipple'a w porównaniu z zabiegiem oszczędzającym odźwiernik oraz paliatywnymi zabiegami chirurgicznymi i endoskopowymi w nieresekcyjnym raku trzustki.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.033 | 0.101 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.010 | 0.013 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.023 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".