Liver Resection for Non-Colorectal, Non-Carcinoid, Non-Sarcoma Metastases: A Multicenter Study
Notice bibliographique
Résumé
BACKGROUND: The role of liver resection for non-colorectal, non-neuroendocrine, non-sarcoma (NCNNNS) metastases is ill-defined. This study aimed to examine the oncologic outcomes of liver resection in such patients. METHODS: A retrospective analysis of liver resection for NCNNNS metastases was performed at two large centers. Liver resection was offered selectively in patients with stable disease. Oncologic outcomes were examined using the Kaplan-Meier method. RESULTS: Fifty-two patients underwent liver resection for NCNNNS metastases. Overall 5-year survival was 58%. Five-year survival was 85% for breast metastases, 66% for ocular melanoma, 83% for other melanomas, 50% for gastro-esophageal metastases, and 0% for renal cell carcinoma metastases. A contemporary colorectal liver metastasis cohort had a survival of 63% (p=0.89). CONCLUSIONS: Liver resection is an effective option in the management of selected patients with NCNNNS metastases which have been deemed stable. Five-year survival rates were comparable to that of a contemporary cohort of patients with colorectal liver metastases in carefully selected patients. Further, larger studies are required to help identify potential prognostic variables and aid in decision-making in this heterogeneous population.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 ».