Adverse events of cold snare compared with hot snare and ablation endoscopic mucosal resection for large colorectal polyps
Notice bibliographique
Résumé
Background: Endoscopic mucosal resection (EMR) techniques for large (≥20 mm) nonpedunculated colorectal polyps (LNPCPs) have expanded with the introduction of ablation and cold EMR. This study assessed adverse events (AEs) for the newer EMR techniques, including cold EMR, compared with hot EMR. Methods: We conducted a secondary analysis of four prospective multicenter studies of consecutive patients with LNPCPs undergoing EMR from 2019 to 2024. The primary outcome was serious AEs (SAEs) with cold and hot EMR. Secondary outcomes included SAEs in the hot EMR subgroups (no ablation [hEMR], margin ablation [hEMR-m], margin and base ablation [hEMR-mb]). Results: 1762 patients (mean age 65.8; 1890 LNPCPs) were included: 522 cold and 1368 hot EMRs (368 hEMR, 770 hEMR-m, 230 hEMR-mb). SAEs were higher with hot EMR (4.7%, 95%CI 3.6%–5.9%) vs. cold EMR (1.9%, 95%CI 0.9%–3.5%), also for the subgroups of hEMR (6.0%, 95%CI 3.8%–8.9%), hEMR-m (3.9%, 95%CI 2.6%–5.5%), and hEMR-mb (5.2%, 95%CI 2.7%–8.9%). Serious postendoscopic bleeding (PEB) was numerically higher with hot EMR (2.3%, 95%CI 1.6%–3.3%) vs. cold EMR (1.3%, 95%CI 0.5%–2.7%), also for the subgroups of hEMR (3.0%, 95%CI 1.5%–5.3%), hEMR-m (1.9%, 95%CI 1.1%–3.2%), and hEMR-mb (2.6%, 95%CI 1.0%–5.6%). Perforation, intraprocedural and post-procedural, was numerically higher with hot EMR (1.2%, 95%CI 0.7%–2.0%) vs. cold EMR (0.2%, 95%CI 0.0%–1.1%). hEMR-m and hEMR-mb with clipping had lower rates of serious and overall PEB than no clipping. Conclusions: Cold EMR demonstrated lower rates of SAEs, serious PEB, and perforation compared with hot EMR. Perforation and mortality occurred almost exclusively after hot EMR. Hot EMR with margin +/− base ablation did not increase SAEs compared with hot EMR without ablation.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».