MétaCan
Menu
Retour à la cohorte
Enregistrement W6889059087 · doi:10.25384/sage.c.5046197.v1

Contrast of Mastoscopic and Conventional Axillary Lymph Node Dissection of Patients With Breast Cancer: Meta-Analysis

2020· other· en· W6889059087 sur OpenAlexaboutno aff

Notice bibliographique

RevueSage Journals Data · 2020
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAxillary Lymph Node DissectionBreast cancerDissection (medical)Incidence (geometry)Lymph nodeAxilla

Résumé

récupéré en direct d'OpenAlex

Mastoscopic axillary lymph node dissection (MALND) is a currently used and safe surgical treatment option for breast cancer. However, the extensive application of MALND is still debatable because of the use of conventional axillary lymph node dissection (CALND). Therefore, in the current study, we aimed to compare the efficacy and safety of MALND and CALND for obtaining evidence-based conclusions about the short-term and long-term outcomes of MALND for patients with breast cancer. PubMed, Web of Science, Cochrane Library, and CNKI were comprehensively searched for articles published between January 1998 and January 2019. Then Newcastle-Ottawa scale was used for quality assessment. The Review Manager software version 5.0 was utilized for generating forest maps and funnel plots. Twelve studies including 2157 patients were selected for the meta-analysis. There were no significant differences in the number of lymph node dissections, tumor recurrence rate, axillary drainage, postoperative hospitalization time, and tumor size between the MALND and CALND groups (P > .05). In the MALND group, the surgery time was longer, while the incidence of intraoperative bleeding was lesser and the duration of drainage was shorter than those in the CALND group (P < .01). The complications in the MALND group were also fewer than those in the CALND group (P < .05). The results of the current study showed that MALND is reliable and feasible for breast cancer owing to the lesser incidence of intraoperative bleeding, shorter drainage duration, and lower incidence of complications compared to CALND.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,025
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0140,049
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,300
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSage Journals DataTravaux en français237 207