Recurrence beyond the Milan criteria after curative‐intent resection of hepatocellular carcinoma: A novel tumor‐burden based prediction model
Notice bibliographique
Résumé
BACKGROUND: Accurate prediction of recurrence patterns of hepatocellular carcinoma (HCC) may allow for prioritization of patients for resection or transplantation as well as guide post-resection surveillance strategies. METHODS: Patients who underwent curative-intent R0 resection for HCC between 2000 and 2017 were identified using a multi-institutional database. A prognostic model that incorporated HCC tumor burden score (TBS) to predict recurrence beyond the Milan criteria (MC) was developed and validated. RESULTS: Among 718 patients who underwent R0 resection for HCC, 185 (25.8%) recurred within and 110 (15.3%) beyond the MC. On multivariable analysis, AFP more than 400 ng/mL (hazard ratio [HR] = 2.26; 95% confidence interval [CI]: 1.27-4.02), lymphovascular invasion (HR = 2.00; 95% CI: 1.14-3.50), and TBS (HR = 1.08; 95% CI: 1.03-1.12) were associated with recurrence beyond the MC. A weighted TBS-based score was constructed: [0.074*TBS + 0.692*lymphovascular invasion (yes: 1, no: 0) + 0.816*AFP > 400 (yes:1, no:0)]. Patients with a low, medium, and high TBS-based risk score had a 5-year incidence of recurring beyond the MC of 16.2%, 28.6%, and 47.2%, respectively (P < .001). The predictive accuracy of the model was very good in the training (C-index: 0.761) and validation (C-index: 0.706) datasets and outperformed the previously reported clinical risk score (CRS; C-index: 0.680). CONCLUSION: A TBS-based model accurately predicted recurrence beyond MC after curative-intent resection of HCC and outperformed the CRS. Incorporating TBS allows for better risk stratification and identifies patients in need of closer surveillance.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».