MétaCan
Menu
Retour à la cohorte
Enregistrement W2885002882 · doi:10.1017/cjn.2018.291

51 Timing of adjuvant treatments on glioblastoma survival: A retrospective cohort analysis based on the national cancer database

2018· article· en· W2885002882 sur OpenAlexvenueno aff
Ping Zhu, Xianglin L. Du, Yoshua Esquenazi, Jay‐Jiguang Zhu

Notice bibliographique

RevueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences Neurologiques · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineHazard ratioBiopsyProportional hazards modelCancerCraniotomySurgeryCohortAdjuvant therapyInternal medicineDatabaseOncologyConfidence interval

Résumé

récupéré en direct d'OpenAlex

Few studies investigated the associations between intervention modalities, timing, and survival in glioblastoma (GBM) patients. A total of 20511 eligible GBM patients underwent biopsy and craniotomy surgeries followed by adjuvant treatments (2005-2014) were derived from the National Cancer Database (NCDB). The time intervals (days) from the date of diagnosis to the initiation date of adjuvant treatment [radiation therapy only (RT), chemotherapy only, concurrent chemoradiation (CRT), or non-concurrent RT and chemotherapy] were categorized into quartiles (Q1-Q4). Kaplan-Meier method and Cox proportional hazards regression were applied for survival analysis. Multivariate logistic regression was performed to compare differences in treatment timing, intervention modalities, and secondary outcomes. The patients underwent biopsy obtained significant survival benefit by having delayed adjuvant treatment [comparing to Q1, Q2: HR (hazard ratio), 0.88, Q3: HR, 0.86]. For patients underwent resection, the prolonged waiting time of adjuvant treatment had 5-6% reduced risk of death [comparing to Q1, Q2: HR, 0.95; Q3: HR, 0.94]. Patients received more RT fractions [comparing to 10-29 fractions, 30-33 fractions: HR: 0.62 (biopsy), 0.62 (resection); ≥34 fractions: HR: 0.53 (biopsy), 0.62 (resection)] and high-dose RT [comparing to 34-46 Gy, 50-60 Gy: HR: 0.91 (biopsy), 0.95 (resection); ≥ 60 Gy: HR: 0.77 (biopsy), 0.88 (resection)] experienced significantly superior survival in both biopsy and resection groups. The impact of timing to adjuvant treatment on GBM survival varied by surgery procedures. Having adjuvant treatment initiated within 21 days for both biopsy and craniotomy groups may not guarantee a significant survival benefit. More RT fractions and high-dose RT are associated with better GBM survival.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,041
Tête enseignante GPT0,332
Écart entre enseignants0,291 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences NeurologiquesMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207