Sentinel Node Biopsy in Laryngeal Cancer: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background: Sentinel lymph node (SLN) biopsy offers a minimally invasive approach to staging lymph node involvement in laryngeal squamous cell carcinoma (SCC). Despite its adoption in other cancers, its accuracy in laryngeal SCC remains under investigation. This systematic review and meta-analysis evaluates the diagnostic performance of SLN mapping in laryngeal cancer. Methods: A systematic search of MEDLINE, Scopus, and Google Scholar was conducted using the keywords “(larynx OR laryngeal) AND sentinel”, with no date or language restrictions. Studies reporting SLN detection rates and/or sensitivity in laryngeal SCC were included. A random-effects model was applied for data pooling, and subgroup analyses were performed based on tumor location (supraglottic versus transglottic) and mapping material (radiotracer versus blue dye). Publication bias was assessed using funnel plots and statistical methods. Results: Nineteen studies, encompassing 366 patients, were analyzed. The overall pooled SLN detection rate was 90.8% (95% CI: 86–94.1), and sensitivity was 88% (95% CI: 81–94). Supraglottic tumors demonstrated superior outcomes (detection rate: 93.7%, sensitivity: 96%) compared to transglottic tumors (detection rate: 84.7%, sensitivity: 71%). Radiotracers significantly outperformed blue dye, with detection rates of 90.8% versus 81.5% and sensitivities of 88% versus 77%. Conclusions: SLN mapping is a reliable technique for staging laryngeal SCC, particularly for supraglottic tumors, where high detection rates and sensitivity were observed. Radiotracers offer superior performance compared to blue dye, underscoring their clinical value. These findings support the feasibility and accuracy of SLN biopsy in laryngeal cancer, while emphasizing the importance of tumor location and mapping material.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,016 | 0,002 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».