Intraoperative Primary Tumor Identification and Margin Assessment in Head and Neck Unknown Primary Tumors
Notice bibliographique
Résumé
OBJECTIVE: Surgical management of the unknown primary head and neck squamous cell carcinoma (UP HNSCC) remains controversial due to challenging clinical diagnosis. This study compares positron emission tomography-computed tomography (PET-CT) findings with intraoperative identification of primary tumors and compares intraoperative frozen-section margins to final histopathology. In addition, adjuvant therapy indications are provided. STUDY DESIGN: Prospective cohort study. SETTING: Academic university hospital. SUBJECTS AND METHODS: Sixty-one patients with UP HNSCC were included. Patients received PET-CT, followed by oropharyngeal transoral laser microsurgery (TLM). Margins were assessed intraoperatively using frozen sections and afterward by final histopathology. Adjuvant treatment was based on final histopathology. RESULTS: The sensitivity of localizing the primary tumor with PET-CT was 50.9% with a specificity of 82.5%. The primary tumor was found intraoperatively on frozen sections in 82% (n = 50) of patients. Five more tumors were identified on final histopathology, leading to a total of 90% (n = 55). Of the 50 intraoperatively found tumors, 98% (n = 49) had negative margins on frozen sections, and 90% (n = 45) were truly negative on final histopathology. Eighteen patients (29.5%) avoided adjuvant treatment. CONCLUSION: PET-CT localized the primary tumor in fewer than half the cases. This protocol identified 90% of primary tumors. Intraoperative frozen-section margin assessment has shown potential with a specificity of 92% compared to final histopathology. As a result, adjuvant therapy was avoided in almost one-third of our patients.
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 ».