Intra‐lesional interleukin‐2 for the treatment of in‐transit melanoma
Notice bibliographique
Résumé
PURPOSE: To investigate the role of intra-lesional interleukin-2 (IL-2) injection for treatment of in-transit melanoma metastases. METHODS: Consecutive patients with in-transit metastases were treated with intra-lesional IL-2 injections. Two independent observers evaluated response to treatment using the Response Evaluation Criteria in Solid Tumors (RECIST) criteria. A blinded pathologist confirmed clinical response with post-treatment biopsies. RESULTS: Thirty-nine patients were included. Patients received biweekly IL-2 injections. At each treatment session, a mean of 2.08 ml (5 µ/ml) of IL-2 were distributed amongst a mean of 12 (range 1-57) in-transit lesions. Patients were followed for an average of 30.4 months (range 2.2-66.6 months). The overall patient response rate was 82%. A complete response was obtained in 20 patients (51%), a partial response in 12 (31%), and no response in seven (18%). Of the 629 in-transit metastases, 479 (76%) completely resolved. Complete responders had a significant in transit-free (P = 0.0005) and an overall (P = 0.012) survival advantage compared with partial responders. CONCLUSIONS: The treatment of in-transit metastatic melanoma with intra-lesional IL-2 resulted in a 76% percent clearance of lesions. Complete response is associated with superior in transit-free and overall survival when compared with partial response.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».