Suboptimal use of neoadjuvant chemotherapy in radical cystectomy patients: A population-based study
Notice bibliographique
Résumé
INTRODUCTION: We aimed to assess contemporary rates of neoadjuvant chemotherapy (NC) use. METHODS: We relied on the Surveillance, Epidemiology and End Results (SEER)-Medicare database for non-metastatic, muscle-invasive (T2-T4a) urothelial carcinoma of the urinary bladder (UCUB) patients who underwent radical cystectomy (RC) between 1991 and 2009. Multivariable logistic regression analyses tested predictors of NC use, such as: T-stage, N-stage, year of diagnosis, age at diagnosis, gender, race, use of radiotherapy (RT), marital status, urban status, socioeconomic status, tumour grade, and Charlson comorbidity index (CCI). RESULTS: Overall, 5207 patients treated with RC were identified. Of those, 332 (6.4%) received NC. The rate of NC increased over time from 6.1% (1991) to 15.0% (2009) (p<0.001). In multivariable analyses, year of diagnosis (odds ratio [OR]: 4.7; p<0.001), lower T-stage (T3 vs. T2: OR: 0.7; p=0.003), married status (OR: 1.5; p=0.006), and younger age at diagnosis (≥80 vs. 66-69: OR: 0.6; p=0.006) were associated with a higher odds of NC; all represented independent predictors of NC use. Neither race nor CCI demonstrated statistical significance. CONCLUSIONS: We reported lower than anticipated overall (6.4%) use of NC. Nonetheless, the rate increased from 6.1% (1991) to 15.0% (2009). Older and unmarried individuals were less likely to receive NC. NC rates were higher in T2 UCUB patients. Some of the observed discrepancies, such as lower use in unmarried individuals, may require correction. Better adherence to guidelines should be encouraged and implemented, especially based on the confirmed benefits of NC according to randomized, controlled trials. The study is limited by a retrospective design and limited variables.
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 | 0,000 | 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 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 ».