Recurrent Hepatocellular Carcinoma After Liver Transplantation: Validation of a Pathologic Risk Score on Explanted Livers to Predict Recurrence
Notice bibliographique
Résumé
BACKGROUND: Recurrence of hepatocellular carcinoma (HCC) after liver transplantation is a major cause of morbidity and mortality. To date, there is no widely accepted pathologic assessment tool to predict HCC recurrence. In 2007, we developed a pathologic risk score that stratified patients into low, intermediate, or high risk for recurrence based on explant pathology. The aim of this study was to externally validate this risk score. METHODS: We retrospectively evaluated 124 patients over a 10-year period who underwent liver transplantation for HCC. Using explanted pathology reports, each patient was stratified according to the pathologic risk score and followed over time for HCC recurrence. RESULTS: Recurrence occurred in 15 patients (12%) after a mean follow-up of 25 months. Using the pathologic risk score, 10 (8%), 21 (17%), and 93 (75%) patients were stratified into high, intermediate, and low risk of recurrence, respectively. Among these risk groups, recurrence occurred in 50%, 28.5%, and 4.3% (P < .01) of patients, respectively. Using the optimal cutoff value ≤3.5, our risk score had a sensitivity of 80% and specificity of 79% with an area under the receiver operator characteristic curve of 0.8. Those with lower risk scores had higher recurrence-free survival (P < .0001). CONCLUSIONS: Our pathologic risk score accurately risks stratified patients for HCC recurrence after liver transplant. It can be used to tailor surveillance strategies for those deemed to be at elevated risk for recurrence.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».