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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».