Đặc điểm phân bố hạch di căn sau họng và các vùng cổ khác trong ung thư vòm họng trên chụp cộng hưởng từ
Bibliographic record
Abstract
Hạch sau họng di căn hay gặp ở ung thư vòm họng. Cộng hưởng từ có thể xác định chính xác vị trí, kích thước và hình thái của hạch sau họng. Nghiên cứu mô tả cắt ngang 64 bệnh nhân (ung thư vòm họng được chụp cộng hưởng từ 1,5 T từ tháng 08 - 2017 đến tháng 12 - 2020 tại bệnh viện Ung bướu Thành phố Hồ Chí Minh, cho thấy hạch sau họng chiếm tỷ lệ 48,15% ở những bệnh nhân ung thư vòm họng có di căn hạch cổ. Có 78,79% bệnh nhân có hạch sau họng di căn chủ yếu ngang mức họng miệng. Các hạch cổ nhóm II dường như là các hạch dẫn lưu đầu tiên trong ung thư vòm họng (88,9% bệnh nhân có hạch nhóm II di căn, kế tiếp hạch nhóm III (55,6%) và hạch sau họng (48,1%). Tỷ lệ hạch sau họng di căn cao hơn đáng kể khi u xâm lấn hốc mũi, xoang bướm và thần kinh sọ (p < 0,05). Không có sự khác biệt có ý nghĩa về tỷ lệ hạch sau họng di căn ở các giai đoạn T1, T2, T3 và T4 (p = 0,766). Có sự tăng dần về tỷ lệ hạch sau họng di căn ở các giai đoạn N1, N2 và N3. Sự khác biệt có ý nghĩa về tỷ lệ hạch sau họng di căn giữa các giai đoạn N1,N2 và N3 (p = 0,028).
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.127 | 0.040 |
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".