Patterns of Practice Survey: Radiotherapy for Soft Tissue Sarcoma of the Extremities
Notice bibliographique
Résumé
Background Neoadjuvant or adjuvant radiotherapy (RT) for extremity soft tissue sarcoma (STS) confers significant local control benefit. To determine patterns of practice, a survey of RT planning practices was undertaken. Method Members of the Connective Tissue Oncology Society and Canadian Association of Radiation Oncology participated in this survey pertaining to general practice patterns of RT for extremity STS, patterns of contouring and planning, and use of quality control measures such as guidelines, tumor boards, and quality assurance rounds. Results A total of 58 radiation oncologists treating extremity STS from 12 countries responded. 89.7% work in academically affiliated centres, and 55.2% saw at least 20 cases of extremity STS per year. Most (96.7%) had access to multidisciplinary sarcoma boards (85.5% of those discussed every referred sarcoma case). 78.6% held quality assurance rounds. Most (92.9%) used planning guidelines. Pre-operative RT was used nearly twice as much as post-operative RT. CT simulation with MR fusion was used by 94.6%. Patterns of clinical target volume (CTV) contouring for both superficial and deep STS were variable. 69.8% contoured a normal soft tissue strip for extremity sarcoma, 13.5% without routine constraints and the remainder with various constraints. Most (91.1%) used 50 Gy in 25 fractions pre-operatively and 39.6% reported using post-operative RT boost for positive margins. Post-operative dose was more variable from 59.4 Gy to 70 Gy. Conclusion Major aspects of RT planning for extremity STS were similar among the responders, and most were academically affiliated. Over twice as many employed pre-operative as opposed to post-operative RT. There was considerable heterogeneity in use of: margins for contouring, normal soft tissue strip as an avoidance structure, and boost for positive margins. This survey shows variable patterns of practice and identifies areas that may require further research.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».