A population-based analysis of prognostic factors in patients with advanced hepatocellular carcinoma treated with sorafenib.
Notice bibliographique
Résumé
163 Background: Available clinical prognostic scoring systems for advanced hepatocellular carcinoma (HCC) were developed in the era of conventional chemotherapy. In 2008, the molecularly targeted agent sorafenib became the new standard of care for advanced HCC due to its survival benefit. The utility of these prognostic models in the setting of sorafenib is unclear. Our aims were to assess for new prognostic factors in patients treated with sorafenib and compare these with known prognostic systems. Methods: All patients diagnosed with advanced HCC from 2008 to 2010 in British Columbia, Canada and treated with sorafenib at any 1 of 5 regional cancer centers were eligible. Based on the established Okuda, CLIP, Barcelona, and French staging systems, we collected baseline demographic and disease characteristics of patients prior to receipt of sorafenib. Multivariate logistic regression models were constructed to examine for associations between these clinical factors and overall survival. Results: Of 183 patients identified, 152 were evaluable: median age was 63 years, 78% were men, average number of sorafenib treatment was 5.3 cycles, and median overall survival was 9.6 months. The prevalence of hepatitis B, hepatitis C, and alcohol-related liver disease were 32%, 15%, and 11%, respectively. Univariate analyses showed that poor performance status, presence of clinical ascites, as well as elevated serum AST, GGT, ALP, bilirubin and platelet levels were each associated with worse overall survival (all p<0.05). In multivariate analyses, however, none of these clinical factors continued to be independently predictive of outcome (all p>0.05). Conclusions: Traditional clinical prognostic factors developed in the era of conventional chemotherapy do not appear to have the same prognostic utility in this contemporary Western cohort of advanced HCC patients treated with sorafenib. This observation underscores the need to identify molecular biomarkers that provide better prognostic information.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».