MétaCan
Menu
Retour à la cohorte
Enregistrement W2888512570 · doi:10.1097/pas.0000000000001138

Identification of Grossing Criteria for Intraoperative Evaluation by Frozen Section of Lung Cancer Resection Margins

2018· article· en· W2888512570 sur OpenAlexaff
Andréanne Gagné, Étienne Racine, Michèle Orain, Salma Meziou, Serge Simard, Christian Couture, Sylvain Pagé, Sylvain Trahan, Paula A. Ugalde, Yves Lacasse, David Joubert, Philippe Joubert

Notice bibliographique

RevueThe American Journal of Surgical Pathology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensUniversity of OttawaUniversité LavalInstitut universitaire de cardiologie et de pneumologie de Québec
Organismes subventionnairesNational Comprehensive Cancer Network
Mots-clésMedicineFrozen section procedureReceiver operating characteristicUnivariateMargin (machine learning)Univariate analysisRetrospective cohort studyMultivariate analysisCohortSurgeryLung cancerResection marginRadiologyMultivariate statisticsOncologyResectionPathologyInternal medicineStatistics

Résumé

récupéré en direct d'OpenAlex

Because of a lack of official guidelines, systematic use of intraoperative frozen section for the evaluation of surgical margins in lung oncology constitutes standard practice in many pathology departments. This costly and time-consuming procedure seems unjustified as reported rates of positive margins remain low. We aimed to evaluate clinicopathologic criteria associated with positive margins and establish evidence-based recommendations regarding the use of frozen sections. This retrospective cohort included 1903 consecutive patients with a lung resection for malignant neoplasm between 2006 and 2015. Clinicopathologic data were retrieved from medical files. Univariate and multivariate analyses were used to identify variables associated with a positive margin. Receiver operating characteristic curves and a probability table of positive margins based on tumor-margin distance were created. Our results were confirmed in a validation cohort of 27 patients with positive margins. The rate of positive margins was 3.8%. A positive margin status changed the surgical management in 48.6% of patients. A short macroscopic tumor-margin distance was associated with a higher risk of positive bronchovascular and parenchymal margins in univariate and multivariate analyses. Selecting a 2.0 cm tumor-margin distance cut-off for performing a frozen section would result in a 55.3% reduction of intraoperative evaluations, with a risk of missing a positive margin of 0.61%. Overall, we showed that systematic use of frozen section for intraoperative evaluation of surgical margins is unnecessary. A better selection of patients with a higher risk of a positive margin can be achieved with tumor-margin distance as a simple gross evaluation parameter.

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)0,006
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,028
Tête enseignante GPT0,403
Écart entre enseignants0,375 · 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'étudeObservationnel
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

Citations14
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe American Journal of Surgical PathologyMême sujetLung Cancer Diagnosis and TreatmentTravaux en français237 207