MétaCan
Menu
Retour à la cohorte
Enregistrement W2959871824 · doi:10.1016/j.adro.2019.07.006

Pretreatment Volume of MRI-Determined White Matter Injury Predicts Neurocognitive Decline After Hippocampal Avoidant Whole-Brain Radiation Therapy for Brain Metastases: Secondary Analysis of NRG Oncology Radiation Therapy Oncology Group 0933

2019· article· en· W2959871824 sur OpenAlexaff
Joseph Bovi, Stephanie L. Pugh, David S. Sabsevitz, Clifford G. Robinson, E.S. Paulson, Minesh P. Mehta, Vinai Gondi, Vijayananda Kundapur, Mark S. Shahin, Samuel T. Chao, Mitch Machtay, Albert S. DeNittis, Nadia N. Laack, Jeffrey Greenspoon, Kathleen N. Moore, Jiayi Huang, M.M. Dominello, Lisa A. Kachnic

Notice bibliographique

RevueAdvances in Radiation Oncology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueBrain Metastases and Treatment
Établissements canadiensHamilton Health SciencesJuravinski Cancer CentreUniversity of Saskatchewan
Organismes subventionnairesGenentechNational Cancer InstituteNRG Oncology
Mots-clésMedicineNeurocognitiveVerbal learningRadiation therapyMagnetic resonance imagingInternal medicineWhite matterCognitive declineOncologyVerbal memoryHippocampal formationNuclear medicineDementiaDiseaseRadiologyCognitionPsychiatry

Résumé

récupéré en direct d'OpenAlex

Purpose NRG Oncology's RTOG 0933 demonstrated benefits to memory preservation after hippocampal avoidant whole-brain radiation therapy (HA-WBRT), the avoidance of radiation dose to the hippocampus (using intensity modulated radiation planning and delivery techniques) during WBRT, supporting the hypothesis of hippocampal radiosensitivity and associated memory specificity. However, some patients demonstrated cognitive decline, suggesting mechanisms outside hippocampal radiosensitivity play a role. White matter injury (WMI) has been implicated in radiation therapy–induced neurocognitive decline. This secondary analysis explored the relationship between pretreatment WMI and memory after HA-WBRT. Methods and Materials Volumetric analysis of metastatic disease burden and disease-unrelated WMI was conducted on the pretreatment magnetic resonance image. Correlational analyses were performed examining the relationship between pretreatment WMI and Hopkins Verbal Learning Test-Revised (HVLT-R) outcomes at baseline and 4 months after HA-WBRT. Results In the study, 113 patients received HA-WBRT. Of 113 patients, 33 underwent pretreatment and 4-month posttreatment HVLT testing and pretreatment postcontrast volumetric T1 and axial T2/fluid-attenuated inversion recovery magnetic resonance imaging. Correlation was found between larger volumes of pretreatment WMI and decline in HVLT-R recognition (r = 0.54, P < . 05), and a correlational trend was observed between larger volume of pretreatment WMI and decline in HVLT-R delayed recall (r = 0.31, P = . 08). Patients with higher pretreatment disease burden experienced a greater magnitude of stability or positive shift in HVLT-R recall and delayed recall after HA-WBRT (r = –0.36 and r = –0.36, P < .05), compared to the magnitude of stability or positive shift in those with lesser disease burden. Conclusions In patients receiving HA-WBRT for brain metastases, extent of pretreatment WMI predicts posttreatment memory decline, suggesting a mechanism for radiation therapy–induced neurocognitive toxicity independent of hippocampal stem cell radiosensitivity. Stability or improvement in HVLT after HA-WBRT for patients with higher pretreatment intracranial metastatic burden supports the importance of WBRT-induced intracranial control on neurocognition.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,010
Tête enseignante GPT0,331
Écart entre enseignants0,321 · 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

Citations30
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Radiation OncologyMême sujetBrain Metastases and TreatmentTravaux en français237 207