Impact of surgical margins on recurrence and survival rate in patients with oral squamous cell carcinoma: A systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Oral squamous cell carcinoma (OSCC) accounts for approximately 90% of malignant neoplasms of the oral cavity. At early stages, the treatment of choice is surgical resection with clear margins, commonly defined as ≥5mm of tumor-free tissue. However, the optimal surgical margin in relation to recurrence and survival remains controversial. The objective of this study was to evaluate the impact of surgical margin status on local recurrence and overall survival in patients with OSCC through a meta-analysis. MATERIAL AND METHODS: An electronic search was conducted in Medline-PubMed, Web of Science, and Scopus up to January 2025. Two investigators independently selected the studies according to the inclusion criteria. The study included prospective and retrospective studies assessing patients with oral squamous cell carcinoma who underwent surgical treatment and reported data regarding surgical margin status, recurrence rates, and survival outcomes. The Newcastle-Ottawa Scale was used for non-randomized observational studies. Odds ratios were estimated with 95% confidence intervals, and forest plots were generated using random-effects or fixed-effects meta-analyses depending on heterogeneity. Sensitivity analyses and publication bias analyses were performed using funnel plots and Egger's test. All statistical analyses were conducted using Comprehensive Meta-Analysis software, version 3.0. RESULTS: Positive margins (<5mm) were significantly associated with a higher rate of local recurrence (OR=2.72; 95% CI: 2.04-3.62; p<0.001), while negative margins (≥5mm) were linked to a 1.58 -fold increase in the probability of 5-year survival (RR=0.63; 95% CI: 0.55-0.74; p<0.001). CONCLUSIONS: Surgical margin status is a prognostic factor for locoregional control and overall survival in OSCC. A cutoff value of ≥5mm is proposed as the optimal surgical margin.
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 | 0,010 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,042 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».