A prospective analysis of lymph node retrieval in colorectal cancer: discrepancies, neoadjuvant impact, and practical implications
Notice bibliographique
Résumé
Introduction Accurate lymph node (LN) retrieval is vital for colorectal cancer (CRC) staging and determining adjuvant therapy. Methods In this prospective study of 122 CRC specimens, we evaluated LN retrieval times, discrepancies between gross and microscopic LN counts, and the impact of neoadjuvant therapy. Results On average, dissecting each specimen took 50 min (range 15–295 min), with rectal and descending/sigmoid colon specimens often requiring multiple passes. Macroscopic dissection yielded an average of 45.1 LNs per specimen, whereas microscopic examination confirmed only 35.7 LNs on average. Neoadjuvant therapy did not alter macroscopic yields (p = 0.105), yet significantly reduced microscopic LN counts (p = 2.676 × 105). T-stage correlated with total microscopic LN counts (p = 0.018) but not the number of cancer-positive nodes (p = 0.140). Rectal specimens showed the largest discrepancy between macroscopic and microscopic LN counts; in contrast, 8 specimens had higher microscopic than macroscopic counts, suggesting that some LNs were missed during manual palpation but detected microscopically in the extra submitted sections of mesenteric tissue. Overall, the mean absolute percentage error (MAPE) was 50.18%, rising to 97.87% for neoadjuvant-treated cases. The average pathology report turnaround time (TAT) was 3.3 business days, meeting the recommended 4-days threshold, with no significant delay due to cancer location or additional LN searches. A preliminary cost analysis indicates that missed or misidentified LNs can increase histology processing and pathologist review expenses, emphasizing the need for more efficient LN search protocols. Discussion Taken together, these findings emphasize the multifactorial nature of LN retrieval challenges, particularly in neoadjuvant-treated and anatomically complex cases. Refining dissection protocols, leveraging new technologies, and allocating adequate resources may help reduce retrieval errors, potentially improving staging accuracy and clinical decision-making.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».