Oral potentially malignant disorders clinical database at the oral and maxillofacial surgery department, McGill University Health Centre
Bibliographic record
Abstract
Objectif :Cette thèse a été conçue pour développer et mettre en place une banque de données sur les troubles oraux potentiellement malins (TOPM) à la Division de chirurgie maxillo-faciale buccale (Oral Maxillofacial Surgery; OMFS) de l'Hôpital général de Montréal (HGM), Centre universitaire de santé McGill (CUSM). En outre, nous visons à décrire les facteurs cliniques, biologiques et sociodémographiques chez les personnes atteintes de TOMP. Notre objectif ultime en établissant cette banque de données est de faciliter la recherche future en épidémiologie des TOPM ainsi que de surveiller la qualité des soins.Méthodologie :À l'aide d'un système de collecte de données basé sur HTML (REDCap), nous avons créé une banque de données cliniques de TOPM à la clinique OMFS de l'HGM-CUSM. Le processus de création de la banque de données comprenait l'identification de l'objectif de la banque de données, le choix des éléments de la banque de données et des sources de données, l'établissement d'une équipe pour construire la banque de données, l'élaboration de formulaires d'extraction et de questionnaires pour adapter le logiciel REDCap aux besoins de la banque de données et pour entrer les données. La banque de données comprenait deux groupes de patients: rétrospectif et prospectif. Les patients rétrospectifs étaient des patients atteints de TOPM ayant reçu un traitement à la clinique OMFS de 2008 à 2017. Les données qui ont été recueillies sur les sujets rétrospectifs comprenaient des données démographiques concernant les patients, le type de traitement fourni, les facteurs de risque de TOPM et la progression vers le cancer buccal. Une analyse descriptive a été menée pour montrer la distribution des données démographiques, les résultats cliniques, les habitudes de vie et la progression vers le cancer buccal dans la population.Résultats :Nous avons mené des essais pilotes et avons corrigé plusieurs problèmes techniques. Pour le volet rétrospectif de l'étude, nous avons identifié 155 patients atteints de TOPM, la majorité était des hommes (57%) et ont été exposés au tabac et à l'alcool à un certain moment de leur vie. L'emplacement le plus fréquent était la langue (39%) et le diagnostic le plus commun était la leucoplasie (52,9%). La dysplasie était présente chez 56% des patients. Les lésions étaient généralement inférieures à 200 mm2 (45,8%) et de couleur blanche (63,23%). Seize patients dans l'échantillon ont progressé au cancer buccal avec une proportion de 10,32% et un taux d'incidence de 4,65 par 100 personnes-années (IC: 2,85 - 7,59).Conclusion :Le développement de la banque de données clinique de TOPM dans un cadre clinique universitaire fournit une plateforme pour la recherche et l'éducation, ce qui constitue un énorme avantage et une opportunité pour les chercheurs, les cliniciens et les étudiants.
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 | 0.003 | 0.024 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.056 | 0.008 |
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".