Living Donor Liver Transplantation Versus Deceased Donor Liver Transplantation for Hepatocellular Carcinoma: Comparable Survival and Recurrence
Notice bibliographique
Résumé
Several studies have reported higher rates of recurrent hepatocellular carcinoma (HCC) after living donor liver transplantation (LDLT) versus deceased donor liver transplantation (DDLT). It is unclear whether this difference is due to a specific biological effect unique to the LDLT procedure or to other factors such as patient selection. We compared the overall survival (OS) rates and the rates of HCC recurrence after LDLT and DDLT at our center. Between January 1996 and September 2009, 345 patients with HCC were identified: 287 (83%) had DDLT and 58 (17%) had LDLT. The OS rates were calculated with the Kaplan-Meier method, whereas competing risks methods were used to determine the HCC recurrence rates. The LDLT and DDLT groups were similar with respect to most clinical parameters, but they had different median waiting times (3.1 versus 5.3 months, P = 0.003) and median follow-up times (30 versus 38.1 months, P = 0.02). The type of transplant did not affect any of the measured cancer outcomes. The OS rates at 1, 3, and 5 years were equivalent: 91.3%, 75.2%, and 75.2%, respectively, for the LDLT group and 90.5%, 79.7%, and 74.6%, respectively, for DDLT (P = 0.62). The 1-, 3-, and 5-year HCC recurrence rates were also similar: 8.8%, 10.7%, and 15.4%, respectively, for the LDLT group and 7.5%, 14.8%, and 17.0%, respectively, for the DDLT group (P = 0.54). A regression analysis identified microvascular invasion (but not the graft type) as a predictor of HCC recurrence. In conclusion, in well-matched cohorts of LDLT and DDLT recipients, LDLT and DDLT provide similarly low recurrence rates and high survival rates for the treatment of HCC.
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) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».