National Adoption of Sentinel Node Biopsy for Breast Cancer: Lessons Learned from the Canadian Experience
Notice bibliographique
Résumé
Sentinel lymph node biopsy (SLNB) in breast cancer has not been readily adopted into Canadian surgical practice in comparison with the United States. We sought to evaluate current national practice patterns and explore barriers to direct efforts to improve the adoption of SLNB in Canada. All active (n = 1413) general surgeons in Canada were surveyed by mail. Surgeon demographics, practice patterns, skill acquisition and attitudes towards SLNB were assessed. The response rate was 63% (n = 889). Of the 506 (57%) surgeons who treated breast cancer, half were community based with breast surgery comprising <25% of their practices. Most (70%) performed <or=5 breast surgeries/month. Almost all (96%) believed SLNB was standard of care or an acceptable alternative to axillary lymph node dissection (ALND). Of these, 306 (61%) performed SLNB. Predictors of performing SLNB were breast/oncology fellowship (p = 0.03) or greater percentage of practice dedicated to breast (p = 0.02) but not region, type of practice (community versus academic), gender or year of residency completion. Reasons for performing SLNB were decreased morbidity (85%) and enhanced staging (59%) as opposed to competitive pressure (13%). The majority (75%) performed SLNB as a stand-alone procedure for T1/T2 cancers and high-risk ductal carcinoma in situ (70%). Almost half (46%) abandoned back up ALND after 30 or fewer cases even though the majority (75%) acknowledged the false-negative rate should be <5%. Most (76%) learned SLNB through mentoring or a formal course/residency. Of the 197 (39%) not performing SLNB, 53% felt that inadequate access to nuclear medicine and gamma probe equipment was the predominant barrier. SLNB has been adopted into Canadian surgical practice. The majority of surgeons believe that SLNB is an acceptable alternative to ALND, with 61% now performing SLNB compared to 27% in 2001. Barriers to implementation appear to be related to inadequate resources as opposed to lack of belief in the procedure.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».