Clinical Versus Dermoscopic Evaluation of Tumor Margins Prior to Surgical Excision—A Systematic Review
Notice bibliographique
Résumé
Background/Objectives: Accurate surgical margin delineation is essential in the treatment of non-melanoma skin cancers (NMSCs), particularly basal cell carcinoma (BCC) and cutaneous squamous cell carcinoma (cSCC), to reduce recurrence and metastasis. Dermoscopy improves diagnostic accuracy for skin tumors, but its utility for preoperative margin assessment remains underexplored. To compare dermoscopy-guided versus clinical visual inspection for preoperative margin assessment in NMSC excision, focusing on histological clearance rates and surgical outcomes. Methods: This systematic review and meta-analysis followed PRISMA 2020 guidelines. MEDLINE, Cochrane CENTRAL, Scopus, and Web of Science were searched from inception to 1 July 2025. Eligible studies included adult patients undergoing surgical excision of histologically confirmed BCC or cSCC, with preoperative margin evaluation using either dermoscopy or clinical examination. The primary outcome was the rate of complete histological excision. Study quality was assessed using the Newcastle–Ottawa Scale. A random-effects meta-analysis using the Freeman–Tukey transformation was performed. Results: Nine cohort studies comprising 900 NMSC lesions were included. Dermoscopy-guided excision demonstrated pooled histological clearance of 98.7% (95% CI: 97–99.8%), compared to 80–94% with clinical assessment. Moderate heterogeneity was observed (I2 = 42%). However, variability in study design and limited data for cSCC restricted broader conclusions. Conclusions: Dermoscopy may enhance margin assessment and histological clearance in NMSC surgery, especially for BCC. Further standardized, high-quality studies are needed to confirm its role in surgical planning and extend evidence to SCC.
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 | 0,038 | 0,096 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,023 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».