MétaCan
Menu
Retour à la cohorte
Enregistrement W3042843287 · doi:10.3747/co.27.5829

Real-World Impact of Laparoscopic Surgery for Rectal Cancer: A Population-Based Analysis

2020· article· en· W3042843287 sur OpenAlexaffvenueabout
Ashley Drohan, C. Marius Hoogerboord, Paul M. Johnson, Gordon Flowerdew, G.A. Porte

Notice bibliographique

RevueCurrent Oncology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueColorectal Cancer Surgical Treatments
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMedicineColorectal cancerOdds ratioRandomized controlled trialSurgeryCancerPopulationInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: Randomized trials have demonstrated equivalent oncologic outcomes and decreased morbidity in patients with rectal cancer who undergo laparoscopic surgery (LapSx) compared with open surgery (OpenSx). The objective of the present study was to compare short-term outcomes after LapSx and OpenSx in a real-world setting. Methods: A national discharge abstract database was used to identify all patients who underwent rectal cancer resection in Canada (excluding Quebec) from April 2004 through March 2015. Short-term outcomes examined included same-admission mortality and length of stay (los). Results: Of 28,455 patients, 82.4% underwent OpenSx, and 17.6%, LapSx. The use of LapSx increased to 34% in 2014 from 5.9% in 2004 (p < 0.0001). Same-admission mortality was lower among patients undergoing LapSx than among those undergoing OpenSx (1.08% and 1.95% respectively, p < 0.0001). On multivariable analysis, the odds of same-admission mortality with LapSx was 36% lower than that with OpenSx (odds ratio: 0.64; p = 0.003). Median los was shorter after LapSx than after OpenSx (5 days and 8 days respectively, p = 0.0001). The strong association of LapSx with shorter los was maintained on multivariable analysis controlling for patient, surgeon, and hospital factors. Conclusions: For patients with rectal cancer, shorter los and decreased same-admission mortality are associated with the use of LapSx compared with OpenSx.

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)0,005
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,167
Tête enseignante GPT0,477
Écart entre enseignants0,310 · 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

Citations7
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetColorectal Cancer Surgical TreatmentsTravaux en français237 207