The Role of Routine Clinical Pretreatment 18F-FDG PET/CT in Predicting Outcome of Colorectal Liver Metastasis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to determine the value of SUV-based metabolic parameters derived from pretreatment F-FDG PET/CT of colorectal liver metastases in predicting disease response, progression-free survival (PFS), and overall survival (OS). PATIENTS AND METHODS: We retrospectively reviewed 70 colorectal patients with liver metastases who underwent pretreatment F-FDG PET/CT. SUVmean, SUVmax, TLG (total lesion glycolysis), metabolic tumor volume, and metabolic tumor diameter were the metabolic parameters derived from volume of interest analysis of the most FDG-avid liver lesion in each subject. Clinical and laboratory parameters were recorded. Tumor response was assessed by response evaluation criteria in solid tumors 1.1 criteria at 12 weeks after treatment. Associations between tumor response, metabolic parameters, and clinical/laboratory parameters were examined by 1-way analysis of variance. The relationship of the metabolic parameters with PFS and OS was determined by Kaplan-Meier analyses and further confirmed with multivariate Cox regression analyses. RESULTS: SUVmean less than 4.48, SUVmax less than 6.59, TLG less than 75.2, metabolic tumor volume less than 4.49 cm, and hemoglobin level greater than or equal to 11 g/dL were associated with longer PFS (P < 0.05). Prior surgery or radiofrequency ablation to the liver metastases was the only additional factor shown to be associated with longer OS. CONCLUSIONS: SUV-based metabolic parameters derived from pretreatment F-FDG PET/CT can predict PFS in colorectal liver metastases.
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.
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle