O trabalho tem como objetivo discutir acerca do carcinoma epidermoide de palato mole, suas principais características clínicas, histológicas e prevalência, critérios fundamentais para auxiliar no diagnóstico e tratamento dessa patologia. O carcinoma epidermoide é o tumor maligno mais comumente encontrado na cavidade oral, acomete principalmente a borda posterior da língua, tendo predileção por indivíduos tabagistas e/ou etilistas crônicos devido maior probabilidade de desenvolver o câncer bucal associado ao fator irritativo crônico. Sua manifestação ocorre em diferentes graus de malignidade tendo como características predominantes anaplasia, destruição do tecido local, crescimento rápido e capacidade de metástase. O diagnóstico do carcinoma epidermoide geralmente é tardio, seja pelo desconhecimento da patologia pelo profissional ou mesmo percepção das alterações na mucosa pelo próprio paciente que evitam buscar atendimento por temer o diagnóstico. Trata-se de uma revisão narrativa, de natureza qualitativa e exploratória, a qual objetiva elencar e evidenciar os critérios diagnósticos para o carcinoma epidermoide de palato mole, pautados em critérios clínicos, histológicos, tratamento e sua etiologia. Foi realizada uma busca ativa nas seguintes bases de dados eletrônicas: PUBMED, Medline, Google Scholar, Diadorim, Portal Periódicos CAPES, utilizando-se de descritores, Descriptors in Health Science (DeCS) e Medical Subject Headings (MeSH). Com o estudo, conclui-se que o conhecimento sobre lesões tumorais é de suma importância por parte dos profissionais da saúde, auxiliando assim em um diagnóstico precoce, tornando-se menos negativo e elevando as taxas de sobrevida do paciente.
O objetivo do trabalho foi comparar a performance de dois softwares com IA em telerradiografia cefalométrica lateral, por meio da avaliação da reprodutibilidade e confiabilidade das medidas lineares e angulares da análise de McNamara. Foram marcadas 30 telerradiografias cefalométricas por meio do método digital pelo examinador no Radiocef (RadioMemory). Posteriormente, a amostra foi marcada por meio da IA dos softwares CEFBOT (RadioMemory) e WebCephTM (AssembleCircle), para avaliação da reprodutibilidade e confiabilidade, em relação ao examinador e os softwares em questão. Para calibrar o examinador e avaliar a confiabilidade das marcações do examinador, CEFBOT, e WebCephTM utilizou o Coeficiente de Correlação Intraclasse (ICC), bem como, o teste ANOVA e pós teste de Tukey avaliou a reprodutibilidade dos softwares, por meio dos pontos cefalométricos que compõem a análise de McNamara. O ICC médio do examinador, CEFBOT e do WebCeph foram 0.960, 0.940 e 0.954, respectivamente, indicando concordância quase perfeita. Ao comparar CEFBOT com examinador, observou-se diferença estatística (p<0.01) apenas na medida A-N perpendicular. Quanto ao WebCephTM, ao comparar com o examinador houve diferença significativa entre os fatores dois ao seis e o dez. E comparado ao CEFBOT, houve divergência nos mesmos fatores somado ao fator onze. Além disso, o WebCephTM não identificou as medidas Nfa-Nfp e Bfa-Bfp. O CEFBOT apresentou reprodutibilidade e confiabilidade na identificação dos pontos cefalométricos determinados pela análise de McNamara, mas necessitando de supervisão humana. O WebCeph apresentou concordância quase perfeita nas marcações, porém seis medidas apresentaram-se diferentes do examinador e duas não foram realizadas pela aplicação.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.