Effect of PET‐CT on disease recurrence and management in patients with potentially resectable colorectal cancer liver metastases. Long‐term results of a randomized controlled trial
Notice bibliographique
Résumé
BACKGROUND: Preoperative evaluation of resectable colorectal cancer liver metastases with positron emission tomography (PET) combined with computed tomography (PET-CT) is used extensively. The PETCAM trial evaluated the effect of PET-CT (intervention) vs no PET-CT (control) on surgical management. PET-CT resulted in 8% change in surgical management, therefore, we aimed to compare long-term outcomes (disease-free [DFS], overall survival [OS]). METHODS: Trial recruitment (2005-2010) had prospective follow-up until 2013. Events from 2013 to 2017 were collected retrospectively. Survival was described by the Kaplan-Meier method and compared with log-rank test. Oncologic risk factors were calculated using Cox proportional hazard models. RESULTS: Among 404 patients randomized, there were no differences in DFS (hazard ratio [HR] = 1.13; 95% confidence interval [CI], 0.89 to 1.43) or OS (HR, 1.02; 95% CI, 0.78-1.32) between groups. For all patients randomized, median DFS (PET-CT vs no PET-CT) was 16 months (95% CI, 13-18) and 15 months (95% CI, 11-22), P = .33. For patients who underwent liver resection (n = 368), DFS (17 vs 16 months, P = .51) and OS (58 months vs 52 months, P = .90) were similar between groups, respectively. Risk factors for DFS and OS were age, tumor size, node-positive disease, extrahepatic metastases and disease-free duration. CONCLUSION: Preoperative PET-CT changes surgical management in a small percentage of cases, without effect on recurrence rates or long-term survival.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 ».