TUMOR DE FRANTZ: RELATO DE CASO CLÍNICO EM HOSPITAL NO NOROESTE DO ESPÍRITO SANTO - BRASIL
Bibliographic record
Abstract
O tumor de Frantz é um tumor raro que acomete especialmente adolescentes e adultos jovens do sexo feminino, principalmente de etnia ou descendência negra. Em geral esse tumor apresenta-se por massa abdominal volumosa, assintomática, tendo como local de maior ocorrência a cauda do pâncreas e menor ocorrência a cabeça desta glândula. O tratamento é a ressecção radical, sendo recomendado estender a extirpação nas áreas de metástase, caso estejam presentes. Por se tratar de uma situação atípica no cenário prático da clínica e a patologia ser pouco conhecida entre os profissionais de saúde, este relato de caso clínico torna-se de grande importância uma vez que se trata de um caso que possivelmente contribuirá com a consolidação do conhecimento sobre o referido tumor. O relato de caso tem como objetivo descrever os principais achados sintomatológicos, bem como, a evolução clínica através da descrição de exames complementares deste paciente com tumor de Frantz. Trata-se de um estudo observacional, documental e descritivo de um caso clínico do tumor de Frantz, o qual foi submetido ao tratamento cirúrgico realizado na região noroeste do Estado do Espírito Santo – Brasil.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".