Intraoperative frozen section analysis of margin status as a quality indicator in gastric cancer surgery
Notice bibliographique
Résumé
INTRODUCTION: Positive pathologic margins following gastric cancer (GC) resection carries a poor prognosis. We evaluated intraoperative frozen section (IFS) analysis of resection margins (RMs) as a quality indicator in GC surgery. METHODS: Patients referred to a provincial cancer agency with surgically resected non-metastatic GC between 2004 and 2012 were included. Associations between IFS analysis, other baseline characteristics, RMs, and overall survival (OS) were assessed using logistic regression, Kaplan-Meier analyses, and Cox proportional hazards modeling. RESULTS: Among 377 patients, median age was 67 years, 68% were male, and 16% had +RMs. Thirty-four percent of patients underwent IFS analysis, which protected against +RMs (odds ratio [OR]: 0.34, 95% confidence interval [CI]: 0.16-0.73, p = 0.006) and improved OS (hazards ratio [HR]: 0.72, 95% CI: 0.54-0.98, p = 0.037). OS following re-resection of IFS positive patients was similar to IFS negative patients (69 vs. 54 months, p = 0.317). Stage III disease (OR: 12.8, 95% CI: 3.00-55.0, p = 0.001) and gastroesophageal junction tumors (OR: 2.25, 95% CI: 1.05-4.78, p = 0.036) predicted +RMs. Stage III disease led to worse OS (HR: 2.89, 95% CI: 1.92-4.34, p < 0.001) while intestinal histology improved OS (HR: 0.67, 95% CI: 0.50-0.90, p = 0.007). CONCLUSIONS: IFS analysis reduce +RMs and improve OS and should be incorporated in curative intent GC surgery for patients with locally advanced GC.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 tête enseignante, 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 ».