Prognostic Factors for Patients With a Large Number of Hepatocellular Carcinoma Nodules
Notice bibliographique
Résumé
BACKGROUND: The prognostic factors and treatment strategies for hepatocellular carcinoma (HCC) patients with a large number of tumor nodules have not been fully elucidated. Clinical factors influencing prognosis were investigated in HCC patients with 30 or more tumor nodules. METHODS: Forty-six HCC patients with 30 or more tumor nodules participated in this study. None of them had vascular invasion and extrahepatic metastasis. Kaplan-Meier curve and Cox proportional hazard model were used for analysis. RESULTS: The median survival time of our patients was no more than 15 months, suggesting that patients with 30 or more tumor nodules may be regarded as a progressive subgroup showing poorer prognosis. In multivariate analysis, presence of between 30 and 59 tumor nodules (P = 0.002), male gender (P = 0.002), lower total bilirubin (total bilirubin < 1.0 mg/dL) (P = 0.011), transarterial chemoembolization (TACE) as an initial therapy (P = 0.027) and higher prothrombin time (P = 0.049) were significant independent factors for better overall survival. Among 39 patients who underwent TACE as an initial therapy, patients who received sorafenib therapy during follow-up showed better overall survival than those who did not (P = 0.026). Efficacy of sorafenib appeared to be more evident in patients who needed repeated transarterial treatment. CONCLUSIONS: In HCC patients with 30 or more tumor nodules, TACE as an initial therapy may be correlated with better prognosis. Sorafenib administration after the prior transarterial treatment may improve antitumor efficacy.
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 | 0,000 | 0,002 |
| 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) | 0,002 | 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 ».