CyberKnife Radiosurgery in Recurrent Brain Metastases: Do the Benefits Outweigh the Risks?
Notice bibliographique
Résumé
Introduction Local treatment concepts are in high demand in the salvage treatment of recurrent brain metastases. Still, their risks and benefits are scarcely characterized. In this study, we analyzed the outcome and risk-/benefit-ratio of salvage CyberKnife (Accuray Incorporated, Sunnyvale, California, US) radiosurgery in the treatment of recurrent brain metastases after whole brain radiotherapy (WBRT). Materials and methods Seventy-six patients with 166 recurrent brain metastases and a multimodal pretreatment were retrospectively investigated. All patients underwent salvage CyberKnife radiosurgery (single fraction, reference dose: 17-22 Gy). Study endpoints were post-recurrence survival (PRS) after salvage treatment as well as local and distant tumor control rates. Central nervous system (CNS) toxicity was assessed according to the toxicity criteria of the Radiation Therapy Oncology Group and the European Organization for Research and Treatment of Cancer (RTOG/EORTC)). Results The population was homogenous regarding its demographic parameters. All patients had a history of WBRT prior to salvage CyberKnife radiosurgery. PRS was 13.3 months (10.4 - 16.2 months), one-year local and distant tumor control rates were 87% (95% CI: 75-99) and 38% (95% CI: 23-52), respectively. Eighteen patients suffered from RTOG/EORTC grade I/II toxicity. No toxicity-related risk factors were identified. Discussion This study found indicative survival and tumor control rates as well as a favorable risk/benefit ratio regarding radiotoxicity in salvage CyberKnife radiosurgery. These results point to a proactive therapeutic strategy based on appropriate patient selection instead of therapeutic nihilism.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».