Assessing Patterns of Practice of Sentinel Lymph Node Biopsy for Breast Cancer in Latin America
Notice bibliographique
Résumé
INTRODUCTION: There is a lack information regarding how sentinel lymph node biopsy (SLNB) for breast cancer is carried out today in developing countries and how it was adapted. To rectify this situation we performed a pattern-of-practice survey amongst practicing surgeons in Latin America (LA). METHODS: A survey was developed to assess current surgical practice in breast cancer, use of SLNB, limitations to the implementation, training, technique variations, and observed adverse events. A total of 30 surgical associations and breast surgery societies in 18 Latin American countries were invited to participate. Surveys were distributed among member of these associations and 76.7 % of those contacted answered the survey. Responses were limited only to those who reported treating breast cancer patients. RESULTS: A total of 463 surgeons who manage breast cancer responded. Over 53 % of surgeons do not have sub-specialty training. Only 47.7 % have a high-volume case load, of which 87.8 % routinely perform SLNB. The main limitations perceived to the implementation of SLNB were a lack of resources/equipment (48 %) and training opportunities (33 %). Over 60 % reported that fewer than half of their patients were eligible for SLNB and 67.8 % reported that they were involved in teaching this technique to residents. CONCLUSIONS: A significant proportion of surgeons that treat breast cancer cases in LA have not had sub-specialty training or manage a low volume of cases. Among those surgeons with a high-volume caseload, SLNB is routinely performed. SLNB training during residency represents an opportunity for improvement in the region.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».