Risk Factors Associated With Circumferential Resection Margin Positivity in Rectal Cancer: A Binational Registry Study
Notice bibliographique
Résumé
BACKGROUND: Rectal cancer outcomes have improved with the adoption of a multidisciplinary model of care. However, there is a spectrum of quality when viewed from a national perspective, as highlighted by the Consortium for Optimizing the Treatment of Rectal Cancer data on rectal cancer care in the United States. OBJECTIVE: The aim of this study was to assess and identify predictors of circumferential resection margin involvement for rectal cancer across Australasia. DESIGN: A retrospective study from a prospectively maintained binational colorectal cancer database was interrogated. SETTINGS: This study is based on a binational colorectal cancer audit database. PATIENTS: Clinical information on all consecutive resected rectal cancer cases recorded in the registry from 2007 to 2016 was retrieved, collated, and analyzed. MAIN OUTCOME MEASURES: The primary outcome measure was positive circumferential resection margin, measured as a resection margin ≤1 mm. RESULTS: A total of 3367 patients were included, with 261 (7.5%) having a positive circumferential resection margin. After adjusting for hospital and surgeon volume, hierarchical logistic regression analysis identified a 6-variable model encompassing the independent predictors, including urgent operation, abdominoperineal resection, open technique, low rectal cancer, T3 to T4, and N1 to N2. The accuracy of the model was 92.3%, with an receiver operating characteristic of 0.783 (p < 0.0001). The quantitative risk associated with circumferential resection margin positivity ranged from <1% (no risk factors) to 43% (6 risk factors). LIMITATIONS: This study was limited by the lack of recorded long-term outcomes associated with circumferential resection margin positivity. CONCLUSIONS: The rate of circumferential resection margin involvement in patients undergoing rectal cancer resection in Australasia is low and is influenced by a number of factors. Risk stratification of outcome is important with the increasing demand for publicly accessible quality data. See Video Abstract at http://links.lww.com/DCR/A512.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».