Effect of radiotherapy boost and hypofractionation on outcomes in ductal carcinoma in situ
Notice bibliographique
Résumé
BACKGROUND: Boost radiotherapy (RT) improves outcomes for patients with invasive breast cancer, but whether this is applicable to patients with pure ductal carcinoma in situ (DCIS) is unclear. This study examined outcomes from whole breast RT, with or without a boost, and the impact of different dose-fractionation schedules in a population-based cohort of women with pure DCIS treated with breast-conserving surgery (BCS). METHODS: Data was analyzed for 957 subjects diagnosed between 1985 and 1999. RT use was analyzed over time. Ten-year Kaplan-Meier local control (LC), breast cancer specific survival (BCSS), and overall survival (OS) were compared using the log-rank test. Cox regression modeling of LC was performed. RESULTS: Median follow-up was 9.3 years. Of the patient cohort 475 (50%) had no RT (NoRT) after BCS, 338 (35%) had RT without a partial breast boost (RTNoB), and 144 (15%) had RT with boost (RT + B). Subjects with risk factors of local recurrence were more likely to receive RT. Subjects receiving adjuvant RT had a trend toward improved LC (15-year LC: NoRT 87%; RTNoB 94%; RT + B 91%; P = .065). Multivariable analysis showed that RT with or without a boost was significantly associated with improved LC (HR, 0.29 and 0.38, respectively, compared with NoRT, P = .025), with no difference associated with a boost or different dose-fractionation schedules. CONCLUSIONS: Adjuvant RT improves local control in patients with DCIS treated with BCS. Hypofractionation is as effective as standard fractionation schedules. Boost RT was not associated with improved LC compared with whole breast RT alone. Cancer 2011. © 2010 American Cancer Society.
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) | 0,000 | 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) | 0,000 | 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 ».