Treatment patterns and clinical outcomes in lung cancer patients with brain metastasis
Notice bibliographique
Résumé
18010 Background: Controversies still exist in the optimal management of patients with meta- static brain cancer. Lung cancer is the most common cause of metastatic brain cancer and the present study examines the treatment pattern and clinical outcome of this group of patients. Methods: Using the provincial cancer registry, all patients in Manitoba, Canada, with a history of lung cancer diagnosed with brain metastases during 2003 and 2004 were identified and a detailed chart review was carried out. Univariate and multivariate logistic analysis were used to identify significant variables affecting 1-year survival. Results: A total of 229 patients were identified of which 112 were male. The median age was 65 (range = 39–90). Of these patients, 69% had non-small cell lung cancer, 17% had small cell cancer, and 14% did not have the histological diagnosis available. A single brain metastasis, 2–4 brain metastases, and >4 brain metastases was identified in 25%, 25%, and 44% of the patients, respectively. The treatments for brain metastases were surgery (8%), gamma-knife radiosurgery (GKS) (7%), whole brain radiotherapy (WBRT) (62%), and no treatment (22%). Median survival for all patients was 98 days. On univariate analysis, 1-year survival was significantly influenced by surgery/GKS, age < 65, and controlled systemic disease (Odds ratio = 7.90; 5.43; 3.72 respectively, P < 0.02 for all) but not by sex, number of brain metastases or time from initial diagnosis to brain metastasis. On multivariate analysis, surgery/GKS and age remained significant (Odds ratio = 5.56, and 4.80, P < 0.01). Median survival (days) by treatment type were: surgery/GKS = 297(178–461), WBRT = 105(82–119), none = 39(29–50); log rank <0.001. Conclusions: In our patient population, with metastatic brain cancer arising from the lung, aggressive focal therapy (surgery or GKS) in younger patients (< 65) was associated with significantly better overall survival. No significant financial relationships to disclose.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».