Abstract: Carpal Tunnel Syndrome Management in Breast Cancer Survivors at Risk for Lymphedema: A Markov Model
Notice bibliographique
Résumé
INTRODUCTION: Breast cancer (BC) survivors that have had an axillary lymph node dissection (ALND) have an increased risk of developing upper extremity lymphedema. The problem faced by both patients and clinicians is the decision to proceed with a carpal tunnel release (CTR) if the patient does not respond to non-surgical management. The purpose of this study was to determine the treatment decision that yields the highest quality adjusted life years (QALY) for BC survivors at risk for lymphedema presenting with carpal tunnel syndrome (CTS). METHODS: A state transition Markov cohort model was used to evaluate the treatment options for BC survivors at risk of upper extremity lymphedema presenting with CTS, as this allowed weighing the advantages and disadvantages of performing CTR or continuing with non-surgical management. The model reflected three treatment strategies: 1) early surgical intervention (mild CTS), 2) delayed surgical intervention (severe CTS), or 3) non-surgical management. QALYs for each strategy were calculated over a lifetime time horizon. RESULTS: Over a lifetime (30-year) horizon, the preferred strategy was delayed surgery, which resulted in 21.41 QALYs. Early surgery and non-surgical management yielded 20.42 and 21.06 QALYs, respectively. The model was not sensitive to variation in any of the parameters within the clinically plausible ranges. CONCLUSION: Based on this robust decision analytic model, BC survivors with mild CTS who are at risk for lymphedema would gain the most QALY by delaying CTR until severe CTS develops. This strategy balances the increased risk of lymphedema following CTR to the decreased long-term risk of severe CTS. The model comprehensively assesses a controversial area in the BC and hand surgery literature in order to guide decision making for patients and clinicians.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».