55 Impact of Staging Investigations on Nodal Upstaging in Early Oesophago-Gastric Adenocarcinoma: Multi-Centre CONGRESS Dataset Analysis
Notice bibliographique
Résumé
Abstract Aim Current recommendations for the clinical staging of patients undergoing resection for early oesophago-gastric (OG) cancer are variable and the value of staging investigations is unclear. The aim of this study was to assess current practice for staging early OG cancers across the UK, and the accuracy of staging with reference to nodal disease at surgery. Method Data for surgical patients was extracted from the CONGRESS database, a large UK-based multi-centre dataset for patients with T1N0 OG cancer between 2015 and 2022. Logistic regression analysis was performed to assess the association of different staging investigations on subsequent nodal upstaging. Cox regression analysis was used to analyse for impact on overall survival (OS). Results 497 patients from 28 centres were included, 13.1% of which underwent N upstaging from clinical to pathological staging. The rate of unexpected LNM was 12.7% in patients who underwent a CT pre-treatment, compared to 18.2% in patients with no staging investigations. Patients that underwent no staging investigations were also more likely to have unexpected nodal metastases at surgery (OR 6.66 (95%CI 1.34-33.24), p=0.021). The addition of PET-CT, EUS and staging laparoscopy had no significant impact on N upstaging (p=0.062, 0.053, and 0.690 respectively). No combination of staging modality had a significant impact on OS. Conclusions Current guidelines are variable in their recommendation of pre-operative staging investigations for early OG cancer. This study suggests CT plays an important role in the staging of this population. Other staging modalities could be considered selectively, rather than routinely, to preserve resources and accelerate treatment pathways.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| 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 ».