S1046 Predicting Histological Diagnosis After Endoscopic Submucosal Dissection With Demographic Characteristics and Endoscopic Lesion Characteristics: An Analysis of a Large Cohort in North America
Notice bibliographique
Résumé
Introduction: Endoscopic submucosal dissection (ESD) continues to gain traction as an important treatment for gastric neoplasia. Some gastric low-grade dysplasia (LGD) and high-grade dysplasia (HGD) on endoscopic forceps biopsy (EFB) are diagnosed as gastric adenocarcinoma (GAC) after ESD. To date, there are no large studies from the Western population on demographic or endoscopic characteristics that can help clinicians differentiate GAC from dysplastic lesions during endoscopy. We aimed to determine which patient or lesion characteristics could predict the histological diagnosis of gastric lesions after ESD. Further, we evaluated the factors associated with the pathologic upstaging from EFB to ESD. Methods: This retrospective study analyzed data from 309 patients who had gastric ESD at 25 centers in North America between 2010 and 2019. We used logistic regression to identify patient demographics and endoscopic features that could predict HGD or GAC on the resected specimens and upstage diagnosis. Results: We analyzed 85 LGD, 85 HGD, and 139 GAC cases. 119 GAC cases were differentiated and 20 were poorly differentiated. 4.1% of LGD and 12.8% of HGD on EFB were upstaged to GAC after ESD. Higher dysplasia grades after ESD were more likely in older patients, tumors in the upper and lower thirds of the stomach, polypoid or depressed lesions (vs. flat non-depressed lesions), and ulcerated lesions. Tumor size was not a significant predictor of dysplasia grade. Logistic regression revealed age (odds ratio [OR] = 1.050, P = 0.00004), the presence of ulceration (OR = 2.763, P = 0.0016), and tumors in the upper third (OR = 2.348, P = 0.0123) or lower third (OR = 1.920, P = 0.0149) significantly predicted GAC. Depressed lesions were more common in HGD or GAC as compared to LGD (OR = 2.831, P = 0.0034). Larger tumors and depressed lesions were associated with differentiated GAC as compared to poorly differentiated GAC (P = 0.0079 and 0.0110, respectively). Conclusion: In this large North American cohort of gastric ESD, we found that tumor location in the upper and lower thirds, ulceration, and patient age may predict GAC. Endoscopists should be cognizant of these characteristics as up to 16.9% of lesion pathology from EFB may be upstaged to GAC after endoscopic resection. Our findings emphasize the importance of recognizing demographic and lesion-based predictors of gastric cancers to better guide clinicians during endoscopy.Table 1.: Logistic regression of demographic patient characteristics and endoscopic lesion characteristics for the presence of adenocarcinoma after resection by endoscopic submucosal dissection
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».