Proton Magnetic Resonance Spectroscopic Imaging Can Predict Length of Survival in Patients with Supratentorial Gliomas
Notice bibliographique
Résumé
OBJECTIVE: We compared the ability of proton magnetic resonance spectroscopic imaging ((1)H-MRSI) measures with that of standard clinicopathological measures to predict length of survival in patients with supratentorial gliomas. METHODS: We developed two sets of leave-one-out logistic regression models based on either 1) intratumoral (1)H-MRSI features, including maximum values of a) choline and b) lactate-lipid, c) number of (1)H-MRSI voxels with low N-acetyl group values, and d) number of (1)H-MRSI voxels with high lactate-lipid values, all (a-d) of which were normalized to creatine in normal-appearing brain, or 2) standard clinicopathological features, including a) tumor histopathological grade, b) patient age, c) performance of surgical debulking, and d) tumor diagnosis (i.e., oligodendroglioma, astrocytoma). We assessed the accuracy of these two models in predicting patient survival for 6, 12, 24, and 48 months by performing receiver operating characteristic curve analysis. Cox proportional hazards analysis was performed to assess the extent to which patient survival could be explained by the above predictors. We then performed a series of leave-one-out linear multiple regression analyses to determine how well patient survival could be predicted in a continuous fashion. RESULTS: The results of using the models based on (1)H-MRSI and clinicopathological features were equally good, accounting for 81 and 64% of the variability (r(2)) in patients' actual survival durations. All features except number of (1)H-MRSI voxels with lactate-lipid/creatine values of at least 1 were significant predictors of survival in the (1)H-MRSI model. Two features (tumor grade and debulking) were found to be significant predictors in the clinicopathological model. Survival as a continuous variable was predicted accurately on the basis of the (1)H-MRSI data (r = 0.77, P < 0.001; median prediction error, 1.7 mo). CONCLUSION: Our results suggest that appropriate analysis of (1)H-MRSI data can predict survival in patients with supratentorial gliomas at least as accurately as data derived from more invasive clinicopathological features.
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) | 0,001 | 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 | 0,001 |
| 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 ».