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
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,002 |
| 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 découle