Neoadjuvant therapy <i>versus</i> direct to surgery for T4 colon cancer: meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Despite persistently poor oncological outcomes, approaches to the management of T4 colonic cancer remain variable, with the role of neoadjuvant therapy unclear. The aim of this review was to compare oncological outcomes between direct-to-surgery and neoadjuvant therapy approaches to T4 colon cancer. METHODS: A librarian-led systematic search of MEDLINE, Embase, the Cochrane Library, Web of Science, and CINAHL up to 11 February 2020 was performed. Inclusion criteria were primary research articles comparing oncological outcomes between neoadjuvant therapies or direct to surgery for primary T4 colonic cancer. Based on PRISMA guidelines, screening and data abstraction were undertaken in duplicate. Quality assessment was carried out using Cochrane risk-of-bias tools. Random-effects models were used to pool effect estimates. This study compared pathological resection margins, postoperative morbidity, and oncological outcomes of cancer recurrence and overall survival. RESULTS: Four studies with a total of 43 063 patients met the inclusion criteria. Compared with direct to surgery, neoadjuvant therapy was associated with increased rates of margin-negative resection (odds ratio (OR) 2.60, 95 per cent c.i. 1.12 to 6.02; n = 15 487) and 5-year overall survival (pooled hazard ratio 1.42, 1.10 to 1.82, I2 = 0 per cent; n = 15 338). No difference was observed in rates of cancer recurrence (OR 0.42, 0.15 to 1.22; n = 131), 30-day minor (OR 1.12, 0.68 to 1.84; n = 15 488) or major (OR 0.62, 0.27 to 1.44; n = 15 488) morbidity, or rates of treatment-related adverse effects. CONCLUSION: Compared with direct to surgery, neoadjuvant therapy improves margin-negative resection rates and overall survival.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,028 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».