Geriatric assessment of glioblastoma patients is feasible and may provide useful prognostic information
Notice bibliographique
Résumé
BACKGROUND: Glioblastoma (GBM) is the most common and most lethal primary brain tumor in adults. Clinical trials in older patients with GBM have explored the use of single and multimodality treatment regimens with modest survival benefits; however, trial criteria are commonly based on chronological age and do not reflect the heterogeneity of this cohort. Geriatric assessment (GA) techniques predict survival and treatment tolerance in other tumor sites and thus may objectively guide the decision-making process, but data are lacking in the neuro-oncology cohort. METHODS: We performed a prospective, multicenter feasibility study involving patients age 65 years or older with newly diagnosed GBM. A modified GA was undertaken in the outpatient setting prior to starting treatment. Feasibility was determined primarily by recruitment rate, alongside data completeness, impact on clinic time, and acceptability to patients and staff. Factors associated with survival were explored using Cox regression models. RESULTS: Fifty patients were recruited within a prespecified time period with a recruitment rate of 82% (target 80%). Data completeness was greater than 80% in all except one assessment. Median overall survival was 9.5 months (95% confidence interval [CI] 5.0-14.0 months). Among the GA screening factors analyzed, a baseline impaired Montreal Cognitive Assessment (hazard ratio [HR] = 2.7, 95% CI 1.128-6.530) and impairment in instrumental activities of daily living (HR = 2.9 95% CI 0.983-8.541) were associated with poorer survival. CONCLUSION: In the first study of this kind among elderly GBM patients, we have shown that undertaking a neurologically focused GA screen is feasible and may provide useful 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 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 | 0,001 |
| 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 | 0,001 |
| 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 ».