MétaCan
Menu
Retour à la cohorte
Enregistrement W4410809863 · doi:10.1200/jco.2025.43.16_suppl.e16058

Sex-based differences in outcomes following minimally invasive gastrectomy for gastric cancer: A nationwide study.

2025· article· en· W4410809863 sur OpenAlexaff
Dhaval Patel, ANERI SANEPARA, N. Patel, Dhruvkumar Gadhiya, Balkiranjit Kaur Dhillon, Anaiya Singh, Saisree Reddy Adla Jala, Hemamalini Sakthivel, Kamleshun Ramphul, Suma Sri Chennapragada

Notice bibliographique

RevueJournal of Clinical Oncology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueGastric Cancer Management and Outcomes
Établissements canadiensBrampton Civic Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineCancerGastrectomyGeneral surgeryInternal medicineOncologySurgery

Résumé

récupéré en direct d'OpenAlex

e16058 Background: Gastric cancer is projected to affect 17,720 men and 12,580 women in 2025, according to the American Cancer Society. Minimally invasive gastrectomy(MIG) has rapidly gained popularity as a safe alternative to open surgery—unfortunately, no gender-based studies comparing postoperative outcomes between males and females after MIG were available. Therefore, we aim to investigate these differences and develop an understanding of the sex-specific outcomes of this procedure, which refers to outcomes unique to each biological sex due to physiological and anatomical differences. Methods: Between 2016 and 2022, we performed a retrospective analysis using the National Inpatient Sample(NIS) database, which includes information on many inpatient stays, to identify gastric cancer patients who underwent MIG. We utilized multivariable regression models to analyze in-hospital complications and any sex-based differences. Results: There were 13,315 MIG procedures, including 8,620 (64.7%) in males and 4,695 (35.3%) in females. Both groups were similar in age (mean age 65.33 years for males vs. 64.71 years for females, p = 0.618) and Charlson Comorbidity Index (CCI) scores (mean CCI 4.06 for males vs. 3.84 for females, p = 0.219). Malnutrition was present in 15.2% of females and 17.6% of males (p < 0.01), while 22.8% of females and 24.8% of males had metastasis (p = 0.011). The multivariable regression revealed that males had higher odds of complications, including surgical wound disruption (aOR 1.843, 95% CI 1.316-2.580, p < 0.01), sepsis (aOR 1.557, 95% CI 1.280-1.894, p < 0.01), pneumothorax (aOR 1.580, 95% CI 1.263-1.977, p < 0.01), and acute kidney injury (AKI) (aOR 1.517, 95% CI 1.305-1.763, p < 0.01). Additionally, males had a higher risk of bleeding (aOR 1.328, 95% CI 1.031-1.711, p < 0.01) but no significant difference in blood transfusion rates (aOR 0.942, 95% CI 0.818-1.084, p = 0.405). Both sexes had similar mortality odds (aOR 1.021, 95% CI 0.753-1.385, p = 0.894). Length of hospital stay was significantly shorter for females (mean 8.04 days) compared to males (mean 8.91 days, p < 0.01). Conclusions: In our study, 64.7% of MIG procedures were performed in males. Males had higher odds of several postoperative complications, including surgical wound disruption, sepsis, pneumothorax, bleeding, and AKI, but no significant differences in blood transfusion rates or mortality. These findings underscore the importance of considering sex-based disparities in postoperative outcomes, as they can inform the development of more effective clinical guidelines for both sexes. Additionally, the limitations of the National Inpatient Sample, including a lack of post-discharge data, indicate the need for future research addressing long-term outcomes and follow-up.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,115
Tête enseignante GPT0,471
Écart entre enseignants0,357 · 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 présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetGastric Cancer Management and OutcomesTravaux en français237 207