Surveillance for HCC After Liver Transplantation: Increased Monitoring May Yield Aggressive Treatment Options and Improved Postrecurrence Survival
Notice bibliographique
Résumé
BACKGROUND: Currently, no surveillance guidelines for hepatocellular carcinoma (HCC) recurrence after liver transplantation (LT) exist. In this retrospective, multicenter study, we have investigated the role of surveillance imaging on postrecurrence outcomes. METHODS: Patients with recurrent HCC after LT from 2002 to 2016 were reviewed from 3 transplant centers (University of California San Francisco, Mayo Clinic Florida, and University of Toronto). For this study, we proposed the term cumulative exposure to surveillance (CETS) as a way to define the cumulative sum of all the protected intervals that each surveillance test provides. In our analysis, CETS has been treated as a continuous variable in months. RESULTS: Two hundred twenty-three patients from 3 centers had recurrent HCC post-LT. The median follow-up was 31.3 months, and median time to recurrence was 13.3 months. Increasing CETS was associated with improved postrecurrence survival (hazard ratio, 0.94; P < 0.01) as was treatment of recurrence with resection or ablation (hazard ratio, 0.31; P < 0.001). An receiver operating characteristic curve (area under the curve, 0.64) for CETS covariate showed that 252 days of coverage (or 3 surveillance scans) within the first 24 months provided the highest probability for aggressive postrecurrence treatment. CONCLUSIONS: In this review of 223 patients with post-LT HCC recurrence, we found that increasing CETS does lead to improved postrecurrence survival as well as a higher probability for aggressive recurrence treatment. We found that 252 days of monitoring (ie, 3 surveillance scans) in the first 24 months was associated with the ability to offer potentially curative treatment.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».