Anatomical Resections Improve Survival Following Lung Metastasectomy of Colorectal Cancer Harboring KRAS Mutations
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to evaluate the benefit of anatomical resection (AR) in lung metastasectomy (LM) of colorectal cancer (CRC) harboring KRAS mutations SUMMARY BACKGROUND DATA:: KRAS mutations are related to high aggressiveness in the lung metastasis of CRC. It is unknown whether AR can lead to better outcomes than can non-AR (NAR) in KRAS patients. METHODS: We retrospectively reviewed the data from 574 consecutive patients who underwent a LM for CRC. We focused on patients exhibiting 1 lung metastasis who underwent an AR (segmentectomy) or an NAR (wedge) and for whom the KRAS mutational status was known. Overall survival (OS) and time to pulmonary recurrence (TTPR) were analyzed. RESULTS: We included 168 patients, of whom 95 (56.5%) harbored KRAS mutations. An AR was performed in 74 patients (44%). The type of resection did not impact the median OS in wild-type (WT) patients (P = 0.67) but was significantly better following AR in KRAS patients (101 vs 45 months, P = 0.02) according to the multivariate analysis [hazard ratio (HR): 6.524; 95% confidence interval (CI), 2.312-18.405; P < 0.0001). TTPR was not affected by the type of resection in WT patients (P = 0.32) but was significantly better for AR in KRAS patients (50 vs 15 months, P = 0.01) in the multivariate analysis (HR: 5.273; 95% CI, 1.731-16.064; P = 0.003). The resection-margin recurrence rate was significantly higher for NAR in KRAS patients (4.8% vs 54.2%, P = 0.001) but not in WT patients (P = 0.97). CONCLUSION: AR seems to improve both the OS and TTPR in LM of CRC harboring KRAS mutations.
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 | 0,000 |
| 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) | 0,000 | 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 ».