Efficacy of dose escalation on TCP, recurrence and second cancer risks: a mathematical study
Notice bibliographique
Résumé
OBJECTIVE: We investigated the effects of conventional and hypofractionation protocols by modelling tumour control probability (TCP) and tumour recurrence time, and examined their impact on second cancer risks. The main objectives of this study include the following: (a) incorporate tumour recurrence time and second cancer risks into the TCP framework and analyse the effects of variable doses and (b) investigate an efficient protocol to reduce the risk of a secondary malignancy while maximizing disease-free survival and tumour control. METHODS: A generalized mathematical formalism was developed that incorporated recurrence and second cancer risk models into the TCP dynamics. RESULTS: Our results suggest that TCP and relapse time are almost identical for conventional and hypofractionated regimens; however, second cancer risks resulting from hypofractionation were reduced by 22% when compared with the second cancer risk associated with a conventional protocol. The hypofractionated regimen appears to be sensitive to dose escalation and the corresponding impact on tumour recurrence time and reduction in second cancer risks. The reduction in second cancer risks is approximately 20% when the dose is increased from 60 to 72 Gy in a hypofractionated protocol. CONCLUSION: Our results suggest that hypofractionation may be a more efficient regimen in the context of TCP, relapse time and second cancer risks. Overall, our study demonstrates the importance of including a second cancer risk model in designing an efficient radiation regimen. ADVANCES IN KNOWLEDGE: The impact of various fractionation protocols on TCP and relapse in conjunction with second cancer risks is an important clinical question that is as yet unexplored.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».