MétaCan
Menu
← Retour à la cohorte
Enregistrement W3167330796 · doi:10.1200/jco.2021.39.15_suppl.e16083

Role of adjuvant therapy in esophageal cancer patients after neoadjuvant therapy and curative esophagectomy: A systematic review and meta-analysis.

2021· review· en· W3167330796 sur OpenAlexaff
Yung Lee, Yasith Samarasinghe, Michael H. Lee, Luxury Thiru, Yaron Shargall, Christian Finley, Waël C. Hanna, Oren Levine, Rosalyn A. Juergens, John Agzarian

Notice bibliographique

RevueJournal of Clinical Oncology · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueEsophageal Cancer Research and Treatment
Établissements canadiensJuravinski Cancer CentreUniversity of TorontoMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineNeoadjuvant therapyEsophageal cancerEsophagectomyAdjuvant therapyMeta-analysisInternal medicineRadiation therapySubgroup analysisOncologyChemoradiotherapySurgeryGrading (engineering)CancerBreast cancer

Résumé

récupéré en direct d'OpenAlex

e16083 Background: While neoadjuvant therapy followed by esophagectomy is the standard of care for locally advanced esophageal cancer, the role of adjuvant therapy is uncertain. As such, this review aims to analyze esophageal cancer patients who previously underwent neoadjuvant therapy followed by a curative resection (negative margins) to determine whether additional adjuvant therapy is associated with improved survival outcomes. Methods: MEDLINE, EMBASE, and CENTRAL databases were searched up to August 2020 for studies comparing patients with esophageal cancer who underwent neoadjuvant therapy and curative resection with and without adjuvant therapy. Primary outcome was overall survival (OS), and secondary outcomes were disease-free survival (DFS), locoregional recurrence, and distant recurrence at 1 and 5-years. Random effects meta-analysis was conducted where appropriate. Grading of recommendations, assessment, development, and evaluation (GRADE) was used to assess the certainty of evidence. Results: Ten studies involving 6,462 patients were included. 6,162 (95.36%) patients from 7 studies received adjuvant chemotherapy, whereas 296 (4.58%) patients from 3 studies underwent either adjuvant radiotherapy or chemoradiotherapy. When compared to patients who received neoadjuvant therapy and esophagectomy alone, adjuvant therapy groups experienced a significant overall survival benefit by 48% at 1-year (RR 0.52, 95%CI 0.41-0.65, P < 0.001, moderate certainty). This reduction in mortality was consistent at long-term 5-year follow-up (RR 0.91, 95%CI 0.87-0.96, P < 0.001, moderate certainty). Subgroup analysis on pathologic node positive patients demonstrated a consistent survival benefit at 1-year (RR 0.57, 95% CI 0.42-0.77, P < 0.001, moderate certainty) and 5-year (RR 0.89 95%CI 0.84-0.95, P < 0.001, moderate certainty). While adjuvant therapy presented no benefit for the T0-2 stage subgroup, patients with T3-4 disease experienced a significant reduction in mortality with the addition of adjuvant therapy at both 1-year (RR 0.51, 95% CI 0.41-0.63, P < 0.001, moderate certainty), and 5-years (RR 0.91, 95% CI 0.85-0.97, P = 0.005, moderate certainty). Due to incomplete reporting, the added benefit of adjuvant therapy was uncertain regarding DFS, locoregional recurrence, and distant recurrence. Conclusions: Adjuvant therapy after neoadjuvant treatment and curative esophagectomy provides improved OS at 1 and 5 years, but the benefit for DFS and locoregional/distant recurrence was uncertain due to limited reporting of these outcomes.

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)0,012
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,027
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0130,032
Bibliométrie0,0040,006
Études des sciences et des technologies0,0000,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,217
Tête enseignante GPT0,529
Écart entre enseignants0,312 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetEsophageal Cancer Research and Treatment→Travaux en français237 207→