Malignant transformation of oral submucous fibrosis: A systematic review and meta‐analysis
Notice bibliographique
Résumé
OBJECTIVES: This systematic review and meta-analysis aimed to determine the proportion of patients who develop oral carcinomas following a diagnosis of oral submucous fibrosis (OSF) in reported longitudinal studies. We also aimed to evaluate the demographic and clinicopathological factors contributing to the progression of OSF to cancer. METHODS: Individual search strategies were applied for the following bibliographic databases: MEDLINE by PubMed, Scopus, Embase, Web of Science, and Grey literature databases until August 30, 2020. Methodological assessment of the risk of bias of the included studies was undertaken using the modified Newcastle-Ottawa scale. Meta-analyses were conducted using a random-effects (DerSimonian and Liard) method to calculate the pooled proportion of the malignant transformation (MT) in OSF patients. RESULTS: Out of 585 records screened, a total of 9 observational studies were included with a total number of 6,337 patients; of these, 292 OSF cases developed carcinomas. The pooled proportion of the MT was 4.2% (95% CI: 2.7%-5.6%) with an annual transformation rate of 0.73%. Subgroup analysis revealed that the pooled MT proportion was significantly higher among population-based studies in comparison with hospital-based ones (p < .005). Most of the studies showed a high risk of bias. In several studies, there was a lack of information about the demographic and clinicopathological characteristics of OSF patients and associated risk indicators; this insufficiency in details hindered the ability to conduct further subgroup analyses. CONCLUSIONS: Despite the poorly reported and the limited number of studies, our analysis confirms that close to 4% of patients diagnosed with OSF may develop oral cancer. Cases with oral epithelial dysplasia had a higher potential for malignant transformation.
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 | 0,017 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,036 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 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 ».