Fiberoptic Endoscopic Evaluation of Swallowing (FEES) in Head and Neck Cancer Patients with Late Radiation-Associated Dysphagia: Swallowing Safety, Efficacy, and Dysphagia Phenotype
Notice bibliographique
Résumé
Late radiation-associated dysphagia (late-RAD) remains a challenge in head and neck cancer (HNC) survivorship, despite advancements in treatment methods. Although Fiberoptic Endoscopic Evaluation of Swallowing (FEES) stands as the preferred diagnostic approach for oropharyngeal dysphagia assessment in the HNC population, current studies lack a FEES-derived swallowing parameter characterization and phenotypic classification within this specific cohort. This study sought to employ FEES-based assessment to characterize swallowing safety and efficacy profiles, identify distinct phenotypes in HNC patients suffering from late-RAD, and examine potential correlations between safety and efficacy parameters. A retrospective analysis included twenty-four post-radiotherapy HNC patients evaluated using standardized FEES protocols across three bolus consistencies (liquid, semisolid, and solid). Swallowing safety was quantified using the Penetration–Aspiration Scale (PAS), while efficacy was measured via the Yale Pharyngeal Residue Severity Rating Scale (YPRSRS). Additionally, six distinct dysphagia phenotypes were characterized within the cohort. Propulsion deficit was the predominant phenotype (92%), followed by delayed pharyngeal phase (37.5%) and protective deficit (25%), with 46% of patients exhibiting multiple phenotypes. Unsafe swallowing occurred most frequently with liquid consistency (62.5%), while residue was most prevalent with semisolid (82.6% valleculae, 52.2% pyriform sinuses) and solid consistencies (92.3% valleculae, 53.8% pyriform sinuses). Significant correlations were found between penetration–aspiration and pharyngeal residue scores across consistencies (p < 0.05). FEES examination revealed distinct phenotypes in late radiation-associated dysphagia, with a predominance of propulsion deficit and significant interdependence between safety and efficacy parameters.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».