Factors predicting poor outcomes in <scp>T1N0</scp> oral squamous cell carcinoma: indicators for treatment intensification
Notice bibliographique
Résumé
BACKGROUND: This study investigated the impact of adverse pathological features (APFs) amongst patients with T1N0 oral squamous cell carcinoma (OSCC) on both tumour control and survival. We aimed to investigate clinicopathological factors that would predict poor outcomes and determine a clinically relevant threshold for the recommendation of additional treatment. METHODS: Retrospective analysis of 121 patients from a single institution (1988-2013) who were treated with surgery only (wide local excision of the primary tumour with or without neck dissection). Only patients who are pT1cN0 or pT1pN0 were included. Patients who had received adjuvant radiotherapy were excluded from the study. RESULTS: APFs were associated with increased regional failure included tumour thickness (TT) ≥5 mm (P = 0.007), perineural invasion (PNI) (P = 0.003), infiltrative border (P = 0.030) and poor differentiation (P = 0.005). Poorly differentiated tumours were also associated with increased local failure (P = 0.03). Local control (LC), regional control (RC) and disease-specific survival (DSS) decreased with an increasing number of APFs (P = 0.009, P = <0.001 and P = 0.009, respectively). Patients with four or more APFs had significantly worse outcomes in LC (P < 0.001), RC (P < 0.001) and DSS (P < 0.001). CONCLUSION: T1N0 OSCC exhibiting four or more APFs or demonstrating poor differentiation on histology had an increased risk of locoregional failure. The presence of PNI, infiltrative border and TT ≥5 mm are associated with increased regional failure. These factors may prompt escalation of treatment for patients with T1N0 OSCC.
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 | 0,001 | 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) | 0,001 | 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 ».