Postoperative radiotherapy improves local control and survival in patients with uterine leiomyosarcoma
Notice bibliographique
Résumé
BACKGROUND: To examine the role of radiotherapy (RT) in uterine leiomyosarcomas (LMS) and to determine the patient population who may benefit from RT. METHODS: From 1998-2008, 69 patients with primary uterine LMS underwent hysterectomy with or without pelvic radiotherapy to a median dose of 45 Gy. Univariate analysis was performed using the Kaplan-Meier method and cumulative-incidence function, and multivariate analyses using Fine and Gray or Cox proportional hazard models. RESULTS: Following surgery, 32 out of 69 patients received RT. There was no evidence of any correlation between patient, disease and treatment characteristics and the use of RT. Median follow-up was 57 months. RT was associated with reduced local recurrence (3y LR 19% vs. 39%; Gray's p = 0.019) and improved overall survival (3y OS 69% vs. 35%; log-rank p = 0.025) on univariate analysis. Multivariate analysis demonstrated that RT reduced LR (HR: 0.28, CI: 0.11-0.69, p = 0.006) and increased OS (HR: 0.44, CI: 0.23-0.85, p = 0.014) independent of other clinical and pathologic factors. Positive surgical margins increased the odds of LR (HR: 5.6, CI: 2.3-13.4, p = 0.00012). Large tumor size and advanced stage (II-IV) were associated with the development of distant metastases and inferior OS. CONCLUSIONS: Postoperative pelvic RT reduces LR and improves OS of patients with uterine LMS.
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 | 0,001 |
| 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 ».