Management of positive resection margins following transoral laser microsurgery for glottic cancer
Notice bibliographique
Résumé
Abstract Objectives The current literature provides limited guidance on the management of positive margins (PMs) following transoral laser microsurgery (TLM) for glottic squamous cell carcinoma (SCC). Long‐term data exploring the treatment of PMs with both initial observation and re‐resection are limited. Our objective was to determine the optimal treatment for PM patients following TLM for glottic SCC. Methods Clinical information on glottic SCC patients with PMs following treatment with TLM was prospectively collected at our institution from 2007 to 2018. We use a laryngeal template during the initial TLM where the area of resection is outlined for future reference. Data were compared with univariate analysis and survival plots were generated using the Kaplan–Meier method. Results A total of 29 patients with PMs were treated with either re‐resection (19 patients), close observation (6 patients), or adjuvant radiation alone (4 patients). Re‐resection patients had SCC or severe dysplasia on initial margin pathology and 23% with early‐stage disease had recurrence (T1–T2). Five (83%) patients who underwent close observation required re‐resection based on clinical suspicion of recurrence (confirmed on final pathology), which was significantly different from the re‐resection patients ( p < .05). Close observation was therefore discontinued as a management of PMs. Four patients (21%) had no residual malignancy on re‐resection specimens. Deep margins only accounted for 17% of all PMs. Disease‐specific survival for all PM patients at 5 years was 82.4% (SE 9.6%, CI 53.4%–91.6%). Conclusions Our long‐term experience with treating early‐stage glottic SCC with TLM supports re‐resection as an appropriate management for cases of PMs. Level of Evidence 4.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».