Risk factors for survival following recurrence after first liver resection for colorectal cancer liver metastases
Notice bibliographique
Résumé
BACKGROUND: Management of recurrence following liver resection for colorectal cancer metastases is a topic of debate. We determined risk factors for survival following recurrence after liver resection. METHODS: Long-term follow-up of patients in the PETCAM trial who had recurrence following liver resection. Risk groups were created according to their survival risk. Differences in overall survival (OS) between groups were estimated. Disease-free survival (DFS), patterns of disease recurrence and management were determined. Cox proportional hazard models, Kaplan-Meier method, and the log-rank test were used. RESULTS: Among 368 patients who underwent liver resection, 264 (72%) experienced disease recurrence (51% lung and 41% liver). Following liver resection, DFS: 17 months (95% CI, 14-19); OS: 57 months (95% CI, 46-70). In those who recurred, 120 (45%) received chemotherapy only, and 112 (42%) underwent second surgical resection. Among patients who experienced recurrence (n = 264), the high-risk group (more than one site of recurrence or disease-free duration < 5 months and node-positive disease) had median OS: 19 months (95% CI, 15-23) vs 36 months (95% CI, 30-48) for patients in the low-risk group (HR = 2.9, 95% CI, 2.2-3.9). CONCLUSION: Recurrence following liver resection is common. Following recurrence after liver resection, patients should be carefully selected for surgical re-resection based on risk factors.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».