MétaCan
Menu
Retour à la cohorte
Enregistrement W4408901683 · doi:10.1055/s-0045-1805649

A selective resection algorithm for barrett’s neoplasia optimizes oncological outcomes

2025· article· en· W4408901683 sur OpenAlexaff
Sunil Gupta, Ana‐Maria Bucalau, Francesco Vito Mandarino, Brian Lam, P Eisdendrath, Giuseppe Losurdo, Anthony Sakiris, Julia Gauci, Anthony Whitfield, Oliver Cronin, Tim O’Sullivan, Caroline Kerrison, Neal Shahidi, EY T Lee, J Devière, Nicholas G. Burgess, Arnaud Lemmers, Michael J. Bourke

Notice bibliographique

RevueEndoscopy · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineResectionGeneral surgeryAlgorithmSurgery

Résumé

récupéré en direct d'OpenAlex

Aims Accepted oncological principles advise en-bloc, R0, excision of cancer to achieve a curative resection. In Barrett’s neoplasia, this includes T1a and superficial-T1b disease. While treatment options include endoscopic mucosal resection (EMR) and endoscopic submucosal dissection (ESD), a mechanism for appropriate technique selection has not been described or validated. Methods We conducted a prospective multi-centre observational study to evaluate the performance of a selective resection algorithm (SRA) for Barrett’s neoplasia. To achieve an en-bloc resection, ESD was selected if there was a suspicion for≥T1a disease and the lesion was>15 mm (January 2017 to April 2024). This was compared with a historical approach (HA), where ESD was only performed in cases suspicious for deep submucosal invasion (February 2013 to December 2016). Results A total of 581 resections were performed in 542 patients. Median lesion size was 20 mm (IQR 10-30). EMR was performed in 354 (60.9%) and ESD in 227 (39.1%). The SRA cohort included 392 (67.5%) cases, and HA cohort 189 (32.5%). Histology was T1a adenocarcinoma in 177 (30.5%) and T1b in 94 (16.2%). For T1a disease, en-bloc resection (SRA 110 [83.3%] vs HA 22 [48.9%]; P<0.001), R0 excision (SRA 91 [68.9%] vs HA 17 [37.8%]; P<0.001) and curative resection (SRA 77 [58.3%] vs HA 14 [31.1%]; P=0.002) were higher in the SRA cohort. Lesions undergoing ESD were likely to be larger (29.9±17.6 mm vs 16.8±11.7 mm; P<0.001). The rates of en-bloc resection (ESD 94 [97.9%] vs EMR 38 [46.9%]; P<0.001), R0 excision (ESD 85 [88.5%] vs EMR 23 [28.4%], P<0.001) and curative resection (ESD 72 [75.0%] vs EMR 19 [23.5%]; P<0.001) were higher in the ESD group. Recurrence was lower in the ESD group (7 [7.3%] vs. 17 [20.9%], P=0.008). For T1b disease, en-bloc resection (SRA 70 [95.9%] vs. HA 9 [42.9%]; P<0.001), R0 excision (SRA 52 [71.2%] vs HA 2 [9.5%]; P<0.001) and curative resection (SRA 20 [27.4%] vs HA 0 [0%]; P=0.005) were higher in the SRA cohort. Lesions undergoing ESD were likely to be larger (33.5±18.0 mm vs 19.0±14.7 mm; P=0.007). The rates of en-bloc resection (ESD 76 [98.7%] vs EMR 3 [17.6%]; P<0.001), R0 excision (ESD 54 [70.1%] vs EMR 0 [0%], P<0.001) and curative resection (ESD 19 [24.7%] vs EMR 0 [0%]; P<0.001) were higher in the ESD group. Recurrence was lower in the ESD group (4 [5.2%] vs. EMR 4 [23.5%], P=0.014). Among all T1a and T1b-SM1 cases with favorable histology, which underwent ESD, 86/99 (86.9%) were curative resections. Conclusions A selective resection algorithm optimizes oncologic outcomes for Barrett’s adenocarcinoma and mitigates the risk of piecemeal resection of cancers. Publication History Article published online: 27 March 2025 © 2025. European Society of Gastrointestinal Endoscopy. All rights reserved. Georg Thieme Verlag KG Oswald-Hesse-Straße 50, 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,345
Écart entre enseignants0,333 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueEndoscopyMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207