Outcome according to residual disease (surgeon's report vs pre‐chemotherapy imaging) in patients with bevacizumab‐treated ovarian cancer: Analysis of the ROSiA study
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: The single-arm ROSiA study evaluated frontline bevacizumab for advanced ovarian cancer. We explored how discordant surgically and radiologically assessed postoperative residual disease affects outcomes. METHODS: After debulking surgery, 1021 patients received 4 to 8 cycles of carboplatin-paclitaxel plus bevacizumab until progression or up to 24 months. The primary endpoint was safety; progression-free survival (PFS) was a secondary endpoint. We performed post hoc exploratory PFS analyses in four subgroups: surgeon-reported no visible residuum (NVR) without target lesions; surgeon-reported NVR with target lesions; macroscopic (≤1 cm) residuum; and >1 cm residuum. RESULTS: Surgical and radiological assessments were concordant in 94% of patients; 61 patients (6%; 21% of those with surgeon-reported NVR) had NVR with target lesions. Median PFS was numerically longest in patients with concordant surgically/radiologically assessed NVR (35.5 months), intermediate for surgeon-reported NVR with target lesions (31.8 months), and shortest for visible residuum (27.9 and 20.2 months for visible residuum ≤1 and >1 cm, respectively). One-year and 2-year PFS rates showed the same pattern. CONCLUSIONS: These analyses suggest that prognosis is potentially worse in patients with radiologically detected target lesions despite surgeon-reported NVR compared with concordant NVR by both assessment methods. Postsurgical imaging may add valuable prognostic information.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».