A122 MINIMALLY INVASIVE ENDOSCOPIC RESECTION TECHNIQUES FOR ANORECTAL JUNCTION NEOPLASIA: A SYSTEMATIC REVIEW AND META-ANALYSIS
Notice bibliographique
Résumé
Abstract Background The management of neoplastic lesions at the anorectal junction remains debated. Endoscopic submucosal dissection (ESD) and endoscopic mucosal resection (EMR) have emerged as the primary endoscopic modalities of choice. Purpose We sought to compare the performance of ESD and EMR in resection of anorectal neoplasia. Method Two authors independently searched MEDLINE, EMBASE and Cochrane Libraries (Jan 2000 – Aug 2021) for citations evaluating the performance of endoscopic resection techniques (ESD, EMR) for lesions involving the anorectal junction (defined as within 20mm of the dentate line). The frequencies 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. Result(s) We included 11 studies (total 563 patients: 414 ESD, 149 EMR) of which nine were ESD and two were EMR studies. Technical success was achieved in 97.2% overall (95% CI 94.8%-98.5%, ESD 97.5% and EMR range 93.9%-98.0%). Clinically significant post-endoscopic resection bleeding occurred in 4.3% (95% CI 1.6%-11.1%, ESD 3.0% and EMR range 8.2%-11.0%). Delayed perforation was not identified. Recurrence at first screening colonoscopy occurred in 4.8% (95% CI 1.9%-11.7%, ESD 3.0% and EMR range 15.4%-18.4%). Referral to surgery for any reason occurred in 5.9% (95% CI 4.3%-8.0%, ESD 6.9%, EMR range 2.0%-3.0%). Conclusion(s) ESD and EMR demonstrate high frequencies of technical success but may have different rates of adverse events and recurrence. More studies investigating lesions at the anorectal junction should be conducted including head-to-head analyses between ESD and EMR for low-risk anorectal junction neoplasia. Please acknowledge all funding agencies by checking the applicable boxes below None Disclosure of Interest None Declared
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 | 0,011 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,028 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 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 ».