Posttransplant Management of Recipients Undergoing Liver Transplantation for Hepatocellular Carcinoma. Working Group Report From the ILTS Transplant Oncology Consensus Conference
Notice bibliographique
Résumé
Although liver transplantation (LT) is the best treatment for patients with localized hepatocellular carcinoma (HCC), recurrence occurs in 6%-18% of patients. Several factors, particularly morphological criteria combined with dynamic parameters, known before LT modify this risk and combined in prediction models may be used to stratify patients at need of variable surveillance strategies. Additional variables though likely explain differences in recurrence rates in patients with the same pre-LT HCC status. One of these variables is possibly immunosuppression (IS). Once recurrence takes place, management is highly heterogenous. Within the International Liver Transplantation Society Consensus Conference on Liver Transplant Oncology, working group 4 aim was to analyze the data regarding posttransplant management of recipients undergoing LT for HCC. Three areas of research were considered: (1) cancer prediction models and surveillance strategies; (2) tailored IS for cancer recipients; and (3) new adjuvant therapies for HCC recurrence. Following formulation of several questions, a literature search was undertaken with abstract review followed by article retrieval and full-data extraction. The grading of recommendations assessment, development and evaluation (GRADE) system was used for evidence rating incorporating strength of recommendation and quality of evidence.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 | 0,001 |
| 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 ».