Notice bibliographique
Résumé
10.1055/a-2308-3777 We would like to thank Saito T and colleagues for their comments about and interest in our study about the timing of lumen-apposing metal stent (LAMS) removal during endoscopic ultrasound-guided treatment of pancreatic fluid collections (PFCs) [ 1 ]. We agree with the authors that a better understanding of which PFCs will require longer LAMS placement is needed to optimize patient care. Here are some details about our results. The major reasons for clinical failure in the early stent removal group were either exacerbating infection despite endoscopic management or recurrent sepsis after stent removal. We also experienced adverse events (AEs) such as stent dislodgement during early necrosectomies, which resulted in clinical failure. Walled-off necrosis (WON) was associated with a lower clinical success rate in both the early stent removal group (61.5%) and the delayed stent removal group (94.6%) as compared with the pseudocyst group (85.7% and 100% respectively). As therapeutic endoscopists who treat PFCs on a regular basis, many of us have experienced the difference between a simple collection that can be drained in one session and more complex, larger, debris-filled collections which will likely require multiple interventions [ 2 ]. In our experience, patience is key in management of this second group of patients. The inflammatory process following the initial insult in acute pancreatitis can take several weeks to resolve [ 3 ]. We believe a more conservative approach, with longer stent placement for passive drainage, can reduce the need for necrosectomies or stent replacement, both of which can cause AEs and result in clinical failure [ 4 ] [ 5 ]. Finally, we agree with our colleagues: A large prospective clinical trial is now needed to better understand which patients will benefit from longer LAMS placement. Before we move forward, the endoscopic ultrasound community needs to standardize the definition of treatment success and refine the classification of WON to better characterize large and complex collections that will likely require multiple interventions. Publication History Received: 25 March 2024 Accepted: 09 April 2024 Article published online: 21 May 2024 © 2024. The Author(s). This is an open access article published by Thieme under the terms of the Creative Commons Attribution-NonDerivative-NonCommercial-License, permitting copying and reproduction so long as the original work is given appropriate credit. Contents may not be used for commercial purposes, or adapted, remixed, transformed or built upon. (https://creativecommons.org/licenses/by-nc-nd/4.0/). 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 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 | 0,007 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,039 | 0,050 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,009 |
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 ».