Carpal Tunnel Syndrome Management in Breast Cancer Survivors at Risk for Lymphedema: A Markov Model
Notice bibliographique
Résumé
BACKGROUND: Breast cancer survivors that have undergone axillary lymph node dissection have an increased risk of developing same-side upper extremity lymphedema. Patients with carpal tunnel syndrome in the ipsilateral limb may not receive appropriate surgical therapy (carpal tunnel release) because of concerns that it may trigger or worsen lymphedema. METHODS: A state transition cohort model was used to evaluate the treatment options for breast cancer survivors at risk of upper extremity lymphedema presenting with carpal tunnel syndrome. The model reflected three treatment strategies: (1) early surgical intervention, (2) delayed surgical intervention, or (3) nonsurgical management. Both life-years and quality-adjusted life-years were modeled over a 30-year time horizon. RESULTS: Over a 30-year time horizon, the preferred strategy was delayed surgery, which resulted in 21.41 quality-adjusted life-years. Early surgery and nonsurgical management yielded 20.42 and 21.06 quality-adjusted life-years, respectively. The model was robust and was not sensitive to variation in any of the parameters within the clinically plausible ranges. CONCLUSIONS: Based on this decision analytic model, the optimal choice for breast cancer survivors with mild carpal tunnel syndrome who are at risk for lymphedema would be delaying surgery until severe symptoms develop. This strategy balances the potential increased risk of lymphedema following carpal tunnel release with the decreased long-term risk of severe carpal tunnel syndrome. The model comprehensively assesses a controversial area in the breast cancer and hand surgery literature to inform 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 | 0,000 | 0,000 |
| 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 ».