MétaCan
Menu
Retour à la cohorte
Enregistrement W4293486071 · doi:10.1097/as9.0000000000000192

Risk Factors, Diagnosis and Management of Chyle Leak Following Esophagectomy for Cancers

2022· article· en· W4293486071 sur OpenAlexafffund
Sivesh K. Kamarajah, Manjunath Siddaiah‐Subramanya, Alessandro Parente, Richard Evans, Ademola Adeyeye, Alan Patrick Ainsworth, A. Takahashi, Alex Charalabopoulos, Andrew C. Chang, Atila Eroglue, Bas P. L. Wijnhoven, Claire Donohoe, Daniela Molena, Eider Talavera-Urquijo, Flávio Roberto Takeda, Gail Darling, G. Rosero, Guillaume Piessen, Hans Alexander Mahendran, Hsu Po Kuei, Ines Gockel, Ionuţ Negoi, Jacopo Weindelmayer, Jari Räsänen, Kebebe Bekele, Guowei Kim, Lieven Depypere, Lorenzo Ferri, Magnus Nilsson, Frederik Klevebro, B. Mark Smithers, Mark I. van Berge Henegouwen, Peter Grimminger, Paul M. Schneider, C. S. Pramesh, Raza Sayyed, Richard Babor, Shinji Mine, Simon Law, Suzanne S. Gisbertz, Tim Bright, Xavier Benoît D’Journo, Donald E. Low, Pritam Singh, Ewen A. Griffiths

Notice bibliographique

RevueAnnals of Surgery Open · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueLymphatic Disorders and Treatments
Établissements canadiensMcGill UniversityToronto General Hospital
Organismes subventionnairesMadda Walabu UniversityUniversiteit van AmsterdamTaipei Veterans General HospitalUniversità degli Studi di VeronaKarolinska InstitutetInstitut National de la Santé et de la Recherche MédicaleCancer Center AmsterdamAmsterdam University Medical CentersNational Institute for Health and Care ResearchUniversité de LilleMcGill UniversityHelsingin Yliopisto
Mots-clésChyleEsophagectomyLeakMedicineEsophageal cancerChylothoraxGeneral surgeryIntensive care medicineSurgeryCancerInternal medicineComplicationEngineering

Résumé

récupéré en direct d'OpenAlex

This Delphi exercise aimed to gather consensus surrounding risk factors, diagnosis, and management of chyle leaks after esophagectomy and to develop recommendations for clinical practice. Background: Chyle leaks following esophagectomy for malignancy are uncommon. Although they are associated with increased morbidity and mortality, diagnosis and management of these patients remain controversial and a challenge globally. Methods: This was a modified Delphi exercise was delivered to clinicians across the oesophagogastric anastomosis collaborative. A 5-staged iterative process was used to gather consensus on clinical practice, including a scoping systematic review (stage 1), 2 rounds of anonymous electronic voting (stages 2 and 3), data-based analysis (stage 4), and guideline and consensus development (stage 5). Stratified analyses were performed by surgeon specialty and surgeon volume. Results: In stage 1, the steering committee proposed areas of uncertainty across 5 domains: risk factors, intraoperative techniques, and postoperative management (ie, diagnosis, severity, and treatment). In stages 2 and 3, 275 and 250 respondents respectively participated in online voting. Consensus was achieved on intraoperative thoracic duct ligation, postoperative diagnosis by milky chest drain output and biochemical testing with triglycerides and chylomicrons, assessing severity with volume of chest drain over 24 hours and a step-up approach in the management of chyle leaks. Stratified analyses demonstrated consistent results. In stage 4, data from the Oesophagogastric Anastomosis Audit demonstrated that chyle leaks occurred in 5.4% (122/2247). Increasing chyle leak grades were associated with higher rates of pulmonary complications, return to theater, prolonged length of stay, and 90-day mortality. In stage 5, 41 surgeons developed a set of recommendations in the intraoperative techniques, diagnosis, and management of chyle leaks. Conclusions: Several areas of consensus were reached surrounding diagnosis and management of chyle leaks following esophagectomy for malignancy. Guidance in clinical practice through adaptation of recommendations from this consensus may help in the prevention of, timely diagnosis, and management of chyle leaks.

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)0,137
score de la tête « metaresearch » (Gemma)0,135
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,137
Score d'incertitude au seuil0,723

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1370,135
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,002
Études des sciences et des technologies0,0020,003
Communication savante0,0020,003
Science ouverte0,0010,006
Intégrité de la recherche0,0020,002
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 Opus0,132
Tête enseignante GPT0,369
Écart entre enseignants0,237 · 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

Citations18
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnnals of Surgery OpenMême sujetLymphatic Disorders and TreatmentsTravaux en français237 207