Selective Neck Dissection in Node‐Positive Squamous Cell Carcinoma of the Head and Neck
Notice bibliographique
Résumé
OBJECTIVE: The optimal type of neck dissection in head and neck squamous cell carcinoma (SCC) with clinical cervical metastases has not been determined. The following study was performed to determine the rate of regional control with selective neck dissection (SND) in these patients. STUDY DESIGN: Case series with planned data collection. SETTING: Single institution, cancer center. METHODS AND SUBJECTS: Patients with cervical lymph node metastases from mucosal cancers of the head and neck who were treated with SND from 2000 to 2010 were selected. Demographics, tumor characteristics, extent of neck dissection, adjuvant treatments, locoregional control, and survival were recorded. Recurrence in the neck and disease-specific survival (DSS) were primary and secondary end points. RESULTS: One hundred eight patients underwent SND. Sixty-nine (64%) were male. Median age was 62 (20-89) years. The most common primary site was the oral cavity (71.3%). Ninety-five (88%) received adjuvant treatment. Median follow-up was 21 months. Six patients (5.5%) had isolated recurrence in the dissected neck. Patients with N2C disease had poorer neck recurrence-free survival. At the end of study, 64 (59.3%) patients had no evidence of disease, and 23 (21.3%) had died of disease. Two-year DSS was 76.9%. Number of positive nodes (P = .026) and positive surgical margins (P = .001), among others, were predictors of poorer DSS. CONCLUSION: In a highly selected group of patients with cervical lymph node metastases from head and neck SCC, selective neck dissection is effective in controlling the disease in the neck when performed in the setting of a multimodality treatment, including adjuvant radiotherapy or radiochemotherapy.
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 ».