MétaCan
Menu
Retour à la cohorte
Enregistrement W4221086009 · doi:10.1055/s-0042-1743654

Outcomes in Vestibular Schwannoma Treated with Primary Microsurgery: Clinical Landscape

2022· article· en· W4221086009 sur OpenAlexaff
Alexander Landry, Kaiyun Yang, Justin Z. Wang, Andrew Gao, Gelareh Zadeh

Notice bibliographique

RevueJournal of Neurological Surgery Part B Skull Base · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueMeningioma and schwannoma management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSchwannomaVestibular systemCerebellopontine angleMicrosurgeryMedicineRadiologySurgeryMagnetic resonance imaging

Résumé

récupéré en direct d'OpenAlex

Objective: Vestibular schwannoma (VS) is the most common tumor of the cerebellopontine angle. Owing to complex anatomy and high rates of morbidity, surgical management of large tumors is challenging. In this study, we seek to explore the clinical landscape of VS in order to identify predictors of outcome and help guide surgical decision making. Methods: We retrospectively reviewed charts of patients who underwent surgery as the initial treatment modality for VS between 2005 and 2020 at a quaternary referral center in Toronto, Canada. Mined data includes patient demographics, clinical presentation, radiological features, and treatment details. Regression modeling was used to identify predictors of tumor control, postoperative morbidity, and correlates of progression free survival (PFS). Results: Two hundred and five tumors, all of which underwent initial operative treatment and contained sufficient data for meaningful analysis, were included in our study. Syndromic NF2, larger tumors (>3 cm), subtotal resection (as compared to gross-total resection), presence of edema on preoperative MRI, and preoperative trigeminal symptoms were all predictors of postoperative progression/recurrence or need for further treatment, and the latter four were also significant correlates of a shorter progression free survival ([ Fig. 1A ]). Extent of resection (EOR), tumor size, and Koos’ grade were independently predictive of postoperative progression/recurrence or secondary intervention in multivariate models; however, only EOR was independently predictive of progression-free survival ([ Fig. 1B ]). EOR, tumor size, and patient age are each independently predictive of facial nerve outcome. A small group of Koos’ grade 4 tumors were treated with subtotal resection and planned adjuvant radiotherapy ( n = 5); all experienced tumor control with minimal morbidity. Conclusion: We comprehensively explore the clinical landscape of surgically treated vestibular schwannoma and find extent of resection to be significantly associated with tumor control and facial nerve dysfunction in large tumors. Additional correlates of key outcome measures include preoperative trigeminal symptoms, preoperative edema, and tumor size. This may have important implications in risk stratifying these challenging cases. Fig. 1 Kaplan Meier curves of progression/recurrence. An event is defined as progression after initial surgery, without intervening therapy. ( A ) Univariate Kaplan Meier curves of preoperative edema on MRI, EOR, preoperative trigeminal dysfunction, and preoperative size. ( B ) Effect of EOR on PFS, stratified by preoperative edema (top), preoperative trigeminal symptoms (middle), and preoperative size (bottom). Publication History Article published online: 15 February 2022 © 2022. Thieme. All rights reserved. Georg Thieme Verlag KG Rüdigerstraße 14, 70469 Stuttgart, Germany

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,048
Tête enseignante GPT0,279
Écart entre enseignants0,230 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Neurological Surgery Part B Skull BaseMême sujetMeningioma and schwannoma managementTravaux en français237 207