Examining the management of muscle-invasive bladder cancer by medical oncologists in the United States
Notice bibliographique
Résumé
BACKGROUND: Neoadjuvant chemotherapy (NACT) for the treatment of muscle-invasive bladder cancer (MIBC) remains underutilized in the United States despite evidence supporting its use. OBJECTIVES: To examine the perioperative chemotherapy management of patients with MIBC by medical oncologists (MedOncs) to move toward standardization of practice PARTICIPANTS AND METHODS: A 26-question survey was emailed to 92 MedOncs belonging to the Bladder Cancer Advocacy Network or the American Society of Clinical Oncology for completion from May to October 2011 RESULTS: A total of 83 MedOncs completed the survey: 52% were based in academic centers. Most referrals were from urologists (79%). NACT for treatment of MIBC and high-grade upper-tract urothelial carcinoma is offered by 80% and 46% of respondents, respectively. Adjuvant chemotherapy for treatment of MIBC and upper-tract urothelial carcinoma is offered by 46% and 42% of respondents, respectively. NACT was not offered by 49%, 29%, and 35% of respondents if Eastern Cooperative Oncology Group performance status was 3 or greater, if patients had T2 lesions without lymphovascular invasion, and if the glomerular filtration rate was<50ml/min, respectively. Chemotherapy regimens included gemcitabine/cisplatin (90%), methotrexate/vinblastine/adriamycin/cisplatin (30%), dose-dense methotrexate, vinblastine, adriamycin, and cisplatin (20%), and gemcitabine/carboplatin (37%). CONCLUSIONS: Most MedOncs (79%) in this survey offer perioperative chemotherapy to all patients with MIBC. This increased use of NACT is higher than previously reported, suggesting an increase in the adoption of recommendations that follow best evidence.
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 | 0,001 | 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 | 0,001 |
| 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 ».