Evolving Resection Strategies for Non-Small Cell Lung Cancers: Translating Trial Evidence to Real-World Practice
Notice bibliographique
Résumé
BACKGROUND: Lobectomy has long been the gold standard for early-stage NSCLC, but recent trials challenge its universality. The Japanese JCOG0802 trial demonstrated superior overall survival with segmentectomy versus lobectomy, whereas the North American CALGB140503 trial showed non-inferiority of sublobar resection, including wedge and segmentectomy, compared with lobectomy. METHODS: This commentary critically evaluates evidence from JCOG0802 and CALGB140503 in the context of wider thoracic surgical practice. We examine trial disparities, the role of real-world data, heterogeneity in surgical approach and lymph node staging, the impact of robotics on segmentectomy adoption, and the application of segmental resection in pulmonary metastasectomy. RESULTS: The divergent trial findings reflect differences in populations, nodal staging, and surgical definitions. Worldwide, variability in sublobar practice and inconsistent nodal assessment present challenges to oncological reliability. Robotics has facilitated a rapid increase in anatomical segmentectomy but risks shifting surgical intent from necessity to feasibility. In metastasectomy, segmentectomy may improve local control but remains unproven in randomised studies. Emerging strategies such as IVLP and molecular profiling offer potential to refine patient selection and outcomes. CONCLUSION: Sublobar resection represents a paradigm shift in the surgical management of small NSCLC. Ensuring oncological validity in real-world practice requires rigorous nodal staging, equitable access to technology, and prospective evaluation of segmentectomy in both primary and metastatic disease. Future advances will depend on aligning surgical precision with biologically informed patient selection.
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 | 0,126 | 0,368 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».