NovoTTF-100A alternating electric fields therapy for recurrent glioblastoma: An analysis of patient registry data
Notice bibliographique
Résumé
This study sought to identify major predictors of survival after second surgery. Methods: We collected clinical, pathological and radiographic data through a retrospective review of charts of 21 patients who underwent elective surgery for GBM recurrence at our institution in the past 6 years. Kaplan-Meier survival analysis and Cox proportional-hazards regression were employed to determine which variables significantly impacted survival time. Results Among variables examined, age, less than or equal to 50 (P equals 0.04), and chemotherapy treatment after second surgery (P equals 0.00057), were significant. Patients younger than 50, had a mean length of survival period of 14.7 months, while patients, age 50 or older, survived an average of 7.6 months. Patients who underwent chemotherapy after second resection survived an average of 12.6 months. Comparatively, mean survival period of patients who did not undergo chemotherapy was 3.7 months. The cumulative prognostic significance of age and post-reoperative chemotherapy treatment was determined to be 0.038 using Cox proportional-hazards regression modelling. Conclusion: The results confirm that younger patients survive longer after second surgery and that a second round of chemotherapy can prolong survival. Data from larger cohorts of patients is required to identify other important predictors.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,005 | 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 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 ».