Bibliographic record
Abstract
Objectif : L'organisation systématique des dossiers médicaux et des données au niveau du patient dans une base de données peut être d'une grande valeur dans les décisions de traitement fondées sur des données probantes. En outre, une base de données structurée offre des recherches sur un large éventail de sujets, y compris l'épidémiologie, les évaluations de programmes pour améliorer le processus de soins, l'efficacité du traitement et la politique de santé. Cette thèse décrit la conception et la mise en place d'une base de données complète de patients atteints de pathologie oncologique maxillofaciale ayant besoin de chirurgie reconstructive traités au Département de chirurgie bucale et maxillofaciale du Centre universitaire de santé McGill. Méthodes : Nous avons créé un registre de patients traités au service d'oncologie maxillofaciale et de reconstruction à partir d'enregistrements médicaux en utilisant un système de collecte de données en ligne (REDCap). Le registre a ensuite été utilisé pour extraire des données sur la répartition démographique des patients, le traitement reçu, la reconstruction et les résultats pour les patients traités entre 2008 et 2015. Les variables analysées comprenaient des données sociodémographiques (par exemple : sexe), le cancer (par exemple : type histologique, grade histologique, sites, stade) et les informations sur le traitement. Résultats : Le processus de création de la base de données est décrit, y compris l'établissement d'un comité de registre, l'élaboration de formulaires d'admission clinique, la sélection d'un logiciel de registre, l'intégration des formulaires dans le logiciel et, finalement, la saisie des données et l'analyse des dossiers des patients traités entre juillet 2008 et août 2015. Nous avons identifié 223 patients consécutifs atteints de cancer primaire de la tête et du cou (Head and Neck Cancer, HNC), dont la plupart étaient des hommes (55%). La majorité des cas de HNC étaient des cancers de la cavité bucale (84%) et des carcinomes épidermoïdes (65%). Parmi les cas de carcinome épidermoïde de la cavité bucale (67%), la langue était le principal site affecté (41%), suivie de la gencive mandibulaire (28%) et du plancher de la bouche (12%). La moitié des cas de HNC étaient au stade précoce (I-II) et 37% étaient des maladies loco-régionales résécables. Alors que la résection chirurgicale était la principale modalité de traitement (87%), la radiothérapie était utilisée dans la moitié (52%) des cas. Conclusion : Les résultats suggèrent que les bases de données jouent un rôle important pour les services d'oncologie en recueillant des données pertinentes liées au cancer. Avec ces données, il est possible d'effectuer des études épidémiologiques qui peuvent être utilisées pour analyser la qualité des soins accordés aux patients en cancérologie, ce qui peut améliorer les mesures de soins offertes à cette population.
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 | 0.082 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.008 | 0.013 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.004 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.006 |
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".