A123 MINIMALLY INVASIVE ENDOSCOPIC RESECTION TECHNIQUE PERFORMANCE FOR PERI-APPENDICEAL COLORECTAL NEOPLASIA: A SYSTEMATIC REVIEW AND META-ANALYSIS
Notice bibliographique
Résumé
Abstract Background Minimally invasive endoscopic resection techniques, including endoscopic mucosal resection (EMR), endoscopic submucosal dissection (ESD) and endoscopic full-thickness resection (EFTR) have revolutionized the management of peri-appendiceal colorectal neoplasia. However, questions remain about their comparative performance. Aims We sought to evaluate the performance of EMR, ESD and EFTR for peri-appendiceal colorectal neoplasia. Methods Two authors independently searched MEDLINE, EMBASE and Cochrane Libraries (Jan 2000 – Aug 2021) for citations evaluating the performance of endoscopic resection techniques (EMR, ESD, EFTR) for peri-appendiceal colorectal neoplasia (defined as those involving or in close proximity to the appendiceal orifice). The incidence rates and 95% confidence intervals (95% CI) of technical success (complete removal of all neoplastic tissue at index procedure), clinically significant post-endoscopic resection bleeding (CSPEB), delayed perforation, recurrence and referral to surgery were assessed using random-effects modelling. Results 12 studies were included in the analysis (479 patients: 185 EMR, 171 ESD, 123 EFTR). Technical success was achieved in 93.5% (95% CI 90.9%-95.4%, EMR 93.5%, ESD 94.1%, EFTR 92.7%). Clinically significant post-endoscopic resection bleeding occurred in 1.3% (95% CI 0.4%-4.3%, EMR 3.8%, ESD 1.2%, EFTR 0%). Delayed perforation occurred in 1.9% (95% CI 0.9%-3.9%, EMR 0%, ESD 2.4%, EFTR 2.4%). Recurrence occurred in 5.7% (95% CI 2.3%-13.8%, EMR 14.3%, ESD 0.2%, EFTR 12.2–14.3%). Referral to surgery occurred in 9.0% (95% CI 6.7%-12.0%, EMR 8.1%, ESD 9.5%, EFTR 9.8%). Conclusions Minimally invasive endoscopic resection techniques including EMR, ESD and EFTR demonstrate high frequencies of technical success with comparable adverse event profiles. They should now be viewed as first-line therapeutic modalities for the management of peri-appendiceal colorectal neoplasia. Funding Agencies None
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 | 0,016 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,017 | 0,037 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».