Transoral tongue base mucosectomy for the identification of the primary site in the work-up of cancers of unknown origin: Systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: The use of transoral robotic surgery (TORS) and laser microsurgery (TLM) in the diagnosis and identification of the site of the unknown primary has become increasingly common. This systematic review and meta-analysis aims to assess the use and efficacy of TORS and TLM for this indication. METHOD: Systematic review and meta-analysis of studies employing TORS or TLM in diagnosis of the unknown primary tumor site in patients with cervical nodal metastases of squamous cell origin. MEDLINE, EMBASE and CINHAL were searched from inception to July 2018 for all studies that used TORS and or TLM in identifying the unknown primary. RESULTS: 251 studies were identified, of which 21 were eligible for inclusion. The primary tumour was identified by TORS/TLM in 78% of patients (433 out of 556). Tongue base mucosectomy (TBM) identified the primary in 222 of 427 cases (53%). In patients with negative physical examination, diagnostic imaging and PETCT, TBM identified the primary in 64% (95% CI 50, 79) cases. In patients who had negative CT/MRI imaging, negative PETCT and negative EUA and tonsillectomy, TBM identified a tongue base primary in 78% (95% CI 41, 92) cases. Haemorrhage, the commonest complication, was reported in 4.9% cases. Mean length of stay varied between 1.4 and 6.3 days. CONCLUSION: Tongue base mucosectomy, performed by TORS or TLM, is highly efficacious in identifying the unknown primary in the head and neck region.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,029 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».