Impact of Neoadjuvant Therapy for Pancreatic Cancer: Transatlantic Trend and Postoperative Outcomes Analysis.
Notice bibliographique
Résumé
BACKGROUND: The introduction of modern chemotherapy a decade ago has led to increased use of neoadjuvant therapy (NAT) in patients with pancreatic ductal adenocarcinoma (PDAC). A recent North American study demonstrated increased use of NAT and improved operative outcomes in patients with PDAC. The aims of this study were to compare the use of NAT and short-term outcomes in patients with PDAC undergoing pancreatoduodenectomy (PD) among registries from the US and Canada, Germany, the Netherlands, and Sweden. STUDY DESIGN: Databases from 2 multicenter (voluntary) and 2 nationwide (mandatory) registries were queried from 2018 to 2020. Patients undergoing PD for PDAC were compared based on the use of upfront surgery vs NAT. Adoption of NAT was measured in each country over time. Thirty-day outcomes, including the composite measure (ideal outcomes), were compared by multivariable analyses. Sensitivity analyses of patients undergoing vascular resection were performed. RESULTS: Overall, 11,402 patients underwent PD for PDAC with 33.7% of patients receiving NAT. The use of NAT increased steadily from 28.3% in 2018 to 38.5% in 2020 (p < 0.0001). However, use of NAT varied widely by country: the US (46.8%), the Netherlands (44.9%), Sweden (11.0%), and Germany (7.8%). On multivariable analysis, NAT was significantly (p < 0.01) associated with reduced rates of serious morbidity, clinically relevant pancreatic fistulae, reoperations, and increased ideal outcomes. These associations remained on sensitivity analysis of patients undergoing vascular resection. CONCLUSIONS: NAT before PD for pancreatic cancer varied widely among 4 Western audits yet increased by 26% during 3 years. NAT was associated with improved short-term outcomes.
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) | 0,001 | 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 ».