MétaCan
Menu
Retour à la cohorte
Enregistrement W4213279521 · doi:10.1016/j.xjon.2022.02.013

New or enlarging hiatal hernias after thoracic surgery for early lung cancer

2022· article· en· W4213279521 sur OpenAlexfundno aff
Kimberly J. Song, Rowena Yip, Michael Chung, Qiang Cai, Yeqing Zhu, Ayushi Singh, Erik E. Lewis, David F. Yankelevitz, Emanuela Taioli, Claudia I. Henschke, Raja M. Flores, Andrew Kaufman, Dong‐Seok Lee, Daniel Nicastri, Andrea Wolf, Kenneth E. Rosenzweig, Jorge Gómez, Mary Beth Beasley, Maureen F. Zakowski, Rebecca M. Schwartz, Huiwen Chan, Jeffrey Zhu, Sydney Kantor, Shana Adler, Wissam Raad, Zrzu Buyuk, Adie Friedman, Ronald Dreifuss, Stacey Verzosa, Mariya Yakubox, Karina Aloferdova, Patricia Stacey, Simone De Nobrega, Ardeshir Hakami, Harvey I. Pass, Berne Crawford, Jessica Donnington, Benjamin T. Cooper, Andre Moreirea, Audrey Sorensen, Leslie J. Kohman, Robert F. Dunton, Jason Wallen, Christopher Curtiss, Ernest M. Scalzetti, Linda Ellinwood, Clifford P. Connery, Emilo Torres, Dan Cruzer, Bruce Gendron, Sonya Alyea, Daniel J. Lackaye, Lauren Studer, Betsy Jane Becker, Artit Jirapatnakul, Nan You, Daniel M. Libby, James P. Smith, Mark Pasmantier, Anthony P. Reeves, Steven Markowitz, Albert Miller, José Cervera Deval, Heidi Roberts, Demetris Patsios, Shusuke Sone, Takaomi Hanaoka, Javier J. Zulueta, Juan P. de‐Torres, María D. Lozano, Ralph W. Aye, Kristin Manning, Christiana Care, Thomas W. Bauer, Stefano Canitano, Salvatore Giunta, Enser Cole, Karl Klingler, John H. M. Austin, Gregory D. Pearson, Dorith Shaham, Cheryl Aylesworth, Patrick Meyers, Shahriyour Andaz, Davood Vafai, David P. Naidich, Georgeann McGuinness, Barry Sheppard, Matthew D. Rifkin, M. Kristin Thorsen, Richard L. Hansen, Samuel Kopel, William Mayfield, Dan W. Luedke, Donald Klippenstein, Alan Litwin, Peter Loud, Richard J. Thurer, Nestor Villamizar, Arfa Khan, Rakesh Shah, Xueguo Liu, Gary Herzog, Diana Yeh, Ning Wu, J. Lowry, Mary Salvatore, Carmine Frumiento, David S. Mendelson, Michael V. Smith, Robert J. Korst, Jana Taylor, Michelle S. Ginsberg, Michaela Straznicka, Mark Widmann, G Cecchi, Terence A.S. Matalon, Paul Scheinberg, Shari-Lynn Odzer, David R. Olsen, Fred Grannis, Arnold Rotter, Daniel Ray, David Mullen, Peter H. Wiernik, Edson H. Cheung, Melissa Lim, Louis DeCunzo, Robert Glassberg, Carmen Endress, Mark Yoder, Palmi Shah, Laura S. Welch, Michael Kalafer, Jeremy Green, James J. Walsh, David Bertsch, Elmer Camacho, Cynthia Chin, James O’Brien, James C. Willey, Ning Wu

Notice bibliographique

RevueJTCVS Open · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesQueens College, City University of New YorkIrving Medical Center, Columbia UniversityBaylor University Medical CenterUniversity of TorontoBarbara Ann Karmanos Cancer InstituteUniversity of ToledoSt Joseph HospitalWeill Cornell Medical CollegeHadassah Medical OrganizationSimons Foundation
Mots-clésMedicineHiatal herniaWedge resectionSurgeryLung cancerHerniaStage (stratigraphy)PneumonectomyLungCardiothoracic surgeryRadiologyResectionInternal medicineReflux

Résumé

récupéré en direct d'OpenAlex

Objective: The study objective was to determine the relationship between lung resection and the development of postoperative hiatal hernia. Methods: Preoperative and postoperative computed tomography imaging from 373 patients from the International Early Lung Cancer Action Program and the Initiative for Early Lung Cancer Research on Treatment were compared at a median of 31.1 months of follow-up after resection of clinical early-stage non-small cell lung cancer. Incidence of new hiatal hernia or changes to preexisting hernias were recorded and evaluated by patient demographics, surgical approach, extent of resection, and resection site. Results: = .0003). Conclusions: Both open and minimally invasive lung resection for clinical early-stage lung cancer are associated with new or enlarging postoperative hiatal hernia, especially after resections involving the left lower lobe.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,284
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,042
Tête enseignante GPT0,385
Écart entre enseignants0,344 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJTCVS OpenMême sujetLung Cancer Diagnosis and TreatmentTravaux en français237 207