MétaCan
Menu
Retour à la cohorte
Enregistrement W4212860220 · doi:10.3390/curroncol29020093

Minimally Invasive Surgery for Cervical Cancer in Light of the LACC Trial: What Have We Learned?

2022· review· en· W4212860220 sur OpenAlexaffvenue
Omar Touhami, Marie Plante

Notice bibliographique

RevueCurrent Oncology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueEndometrial and Cervical Cancer Treatments
Établissements canadiensHôtel-Dieu de QuébecUniversité LavalCentre Intégré Universitaire de Santé et de Services Sociaux du Saguenay–Lac-Saint-JeanUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésMedicineCervical cancerInvasive surgeryCancer surgerySurgeryGeneral surgeryCancerInternal medicine

Résumé

récupéré en direct d'OpenAlex

Cervical cancer is the most common gynecologic malignancy and the fourth most common cancer in women worldwide. Over the last two decades, minimally invasive surgery (MIS) emerged as the mainstay in the surgical management of cervical cancer, bringing advantages such as lower operative morbidity and shorter hospital stay compared to open surgery while maintaining comparable oncologic outcomes in numerous retrospective studies. However, in 2018, a prospective phase III randomized controlled trial, “Laparoscopic Approach to Carcinoma of the Cervix (LACC)”, unexpectedly reported that MIS was associated with a statistically significant poorer overall survival and disease-free survival compared to open surgery in patients with early-stage cervical cancer. Various hypotheses have been raised by the authors to try to explain these results, but the LACC trial was not powered to answer those questions. In this study, through an exhaustive literature review, we wish to explore some of the potential causes that may explain the poorer oncologic outcomes associated with MIS, including the type of MIS surgery, the size of the lesion, the impact of CO2 pneumoperitoneum, prior conization, the use of uterine manipulator, the use of protective measures, and the effect of surgical expertise/learning curve.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,973
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,353
Tête enseignante GPT0,486
Écart entre enseignants0,133 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
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

Citations37
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetEndometrial and Cervical Cancer TreatmentsTravaux en français237 207