MétaCan
Menu
← Retour à la cohorte
Enregistrement W2807250715 · doi:10.1200/jco.2018.36.4_suppl.591

Systematic review and meta-analysis of the effect of pre-operative PET/PET-CT in the management of patients with potentially resectable colorectal cancer liver metastasis.

2018· article· en· W2807250715 sur OpenAlexaff
Pablo Emilio Serrano Aybar, Julian F. Daza, Natalie Solis, Sameer Parpia, Steven Gallinger, Carol-Anne Moulton

Notice bibliographique

RevueJournal of Clinical Oncology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensToronto General HospitalUniversity Health NetworkUniversity of TorontoOntario Clinical Oncology GroupMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineColorectal cancerPositron emission tomographyMetastasisPET-CTRadiologyMeta-analysisCancerSubgroup analysisNuclear medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

591 Background: It has been proposed that PET with 18F-fluorodeoxyglucose alone or combined with CT improves detection of extra hepatic disease in the setting of colorectal cancer liver metastasis (CRLM). However, there remains conflicting evidence on the added benefit of PET/PET-CT prior to liver resection, and its effect on long-term survival. Thus, we set out to perform a systematic review of literature and meta-analysis. Methods: From 2000 to April 2017, MEDLINE, EMBASE, and CENTRAL were searched for studies (prospective and retrospective) investigating the preoperative use of PET/PET-CT in the management of patients with CRLM. We excluded studies in which neoadjuvant chemotherapy was given 2 weeks prior to PET/PET-CT. Screening, data abstraction, and quality assessment was performed in duplicate. Primary outcome was overall survival (OS). Secondary outcomes included disease-free survival (DFS), pre-operative change in surgical management, and open-close surgery. Random effect models were used to pool treatment effects. The protocol was published in PROSPERO. Results: Of 4034 articles reviewed, 37 met the inclusion criteria and were analyzed, and 8 compared PET/PET-CT to conventional imaging. All studies included PET (n=18), PET-CT (n=17), or both (n=2). OS for all patients was similar whether or not pre-operative staging included PET/PET-CT (HR 0.94, 95% CI 0.69-1.26). A similar effect was seen in the subgroup of patients who underwent surgery (HR 0.92, 95% CI 0.72-1.17). DFS in patients who underwent surgery was not different either (HR 0.93, 95% CI 0.81-1.08). PET/PET-CT reduced the odds of undergoing an open-close surgery (OR 0.52, 95% CI 0.35-0.76) and changed the surgical management of 23.4% patients (95% CI 19.33-27.47), however heterogeneity (I2=100%). Conclusions: Pre-operative PET/PET-CT may have a meaningful impact on surgical decision making in CRLM, however heterogeneity between studies is high, likely due to different study designs. It may also reduce the rate of open-close surgeries. The addition of PET/PET-CT to routine pre-operative imaging does not improve OS or DFS.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,041
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,041
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0190,034
Bibliométrie0,0070,007
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,435
Écart entre enseignants0,394 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetRadiomics and Machine Learning in Medical Imaging→Travaux en français237 207→