Are we undertreating invasive bladder cancer? Optimizing outcomes in a high-risk disease
Notice bibliographique
Résumé
PURPOSE OF REVIEW: To highlight the important issues that may improve patient outcomes in the setting of invasive bladder cancer. RECENT FINDINGS: Although approximately 80% of patients with bladder cancer present with disease confined to the mucosa which can be treated locally, progression to muscle-invasive bladder carcinoma (MIBC) is associated with adverse outcomes. Stage and grade have traditionally been used to predict progression. European Organization for Research and Treatment of Cancer (EORTC) and Club Urológico Español de Tratamiento Oncológico (CUETO) have designed prognostic models that further refine risk assessment. Recent attempts to integrate molecular biomarkers may further improve these models. Treating appropriate patients earlier with radical cystectomy offers the hope of decreasing the extent of disease at the time of surgery. In patients with MIBC, neoadjuvant chemotherapy has been shown to improve patient outcome. Selecting appropriate patients remains a challenge. Preoperative models to predict risk of lymph node-positive disease and preoperative imaging with fluorodeoxyglucose positron emission tomography or MRI have been shown to be useful in that regard. Multidisciplinary care offers better patient support and collaboration during the treatment phase and improves quality of life. SUMMARY: Improved outcomes in localized bladder cancer requires an integrated approach including better identification of high-risk disease, earlier use of cystectomy, broader use of chemotherapy and the availability of a dedicated multidisciplinary team.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».