MétaCan
Menu
Retour à la cohorte
Enregistrement W2585041210 · doi:10.1093/neuonc/nov225.51

NIMG-51T1-HYPERINTENSE LESIONS AS A PREDICTOR OF SURVIVAL IN PATIENTS WITH RECURRENT HIGH GRADE GLIOMA ON BEVACIZUMAB

2015· article· en· W2585041210 sur OpenAlexaff
Erin R. Morgan, Sean Symons, Chris Heyn, Pedro Montalvo Carrera, Julia Keith, Todd G. Mainprize, Claire Moroney, Christina Mueller, Arjun Sahgal, Hany Soliman, May Tsao, James Perry

Notice bibliographique

RevueNeuro-Oncology · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueGlioma Diagnosis and Treatment
Établissements canadiensHealth Sciences CentreSunnybrook Health Science CentreUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBevacizumabGliomaMedicineOncologyInternal medicineCancer researchChemotherapy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Recent studies have suggested that the development of T1-hyperintensities early in the course of treatment with bevacizumab may represent a predictive marker for treatment response and survival in patients with recurrent glioblastoma (GBM). These lesions may represent hypoxia-induced calcifications and/or areas of sustained treatment response. This study evaluated the incidence and predictive value of T1-hyperintensities in patients with recurrent high grade glioma (HGG) treated with bevacizumab. METHODS: This retrospective chart review included all patients treated with bevacizumab for recurrent HGG at a large regional cancer centre between 2010 and 2014, and for whom baseline MRI and at least one post-treatment MRI were available. Pre- and post-bevacizumab imaging was evaluated independently by two neuroradiologists for the presence of new or increased hyperintense lesions on precontrast T1-weighted imaging. When available, CT scans were evaluated for the presence of peritumoral calcifications. RESULTS: Sixty-nine patients were eligible for inclusion. Fifty-two patients (75.4%) had pathologically diagnosed GBM, while the remainder had grade III (n = 11), or grade II gliomas with radiological evidence of high grade transformation at recurrence (n = 6). New or increased T1-hyperintense lesions were noted in 45 patients (65.2%) after bevacizumab and were independent of tumor grade. Median time to appearance was 63 days (95% CI 46.7-79.2). Median survival was significantly longer in patients with T1-hyperintense lesions (9.6 v.s. 6.9 mos, p = 0.023), and this effect did not differ by tumor grade. CONCLUSIONS: This study supports previous research demonstrating the predictive value of T1-hyperintense lesions for survival in recurrent GBM. We found that this phenomenon may also occur in patients with grade II-III gliomas treated with bevacizumab. As previously described, these lesions occurred early in the course of therapy and thus may represent an early biomarker of response. These findings may help inform treatment decisions for patients receiving antiangiogenic therapy for recurrent HGG.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,297
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-OncologyMême sujetGlioma Diagnosis and TreatmentTravaux en français237 207