23 Long-term survivors of brain metastases
Notice bibliographique
Résumé
Purpose: We identified key clinicopathologic features of brain metastasis (BM) patients who are long-term survivors (LTS). Methods: We screened a prospective database of 1892 patients (treated 2006-2017), identified 92 (5%) who lived > 3 years following BM diagnosis, and performed per patient analyses. Results: Median age at diagnosis of BM was 57 years (range 19-77), 77% were women. The most common tumors were lung (50%), breast (26%), thyroid (7%) and skin (5%). 42% had tumors with drug-targetable oncoproteins (e.g. EGFR mutant) and 15% expressed hormonal receptors. ECOG was <2 in 70%. 47% had stage IV disease at diagnosis (75% with brain as the first site). 55% had controlled extracranial disease at the time of BM diagnosis. Median BM diameter was 1.5 cm (range 0.2-7) and 62% had a single lesion. Treatment was with surgery, radiosurgery, whole brain radiation (WBRT), or systemic therapy alone in 38%, 62%, 52%, and 4%, respectively. 53% received targeted- or immuno-therapy. Median follow up was 63 months (range 36-113). 61% failed intracranially at a median 24 months (range 1-99). 5 and 10- year survival (from BM diagnosis) was 82%, and 34%, respectively. Neither upfront WBRT nor other variables tested correlated with improved survival. In patients who died, an MRI was available within 3 months from death in 57%; of those 55% had no active intracranial disease, suggesting that the majority of deaths were non-neurologic. Conclusion: In general, LTS of BM had a limited number of BM, inactive extracranial disease, and drug targetable 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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,003 | 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 ».