SURG-13. Multiplicity does not affect outcomes in patients with surgically treated brain metastases
Notice bibliographique
Résumé
Abstract Background Having multiple brain lesions has been considered a negative prognostic factor in patients with brain metastases. The role of surgery in the management of these patients remains a matter of debate. Methods We retrospectively reviewed our patients who underwent surgical resection of brain metastases from January 2018 to December 2019, and examined outcomes including overall survival (OS), progression free survival (PFS) and rates of local failure. Results We identified 130 patients who underwent surgical resection as the primary treatment modality of brain metastases. At the time of surgery, 117 patients harbored 1–3 lesions, 13 had more than 3 lesions. Overall survival at two years for our entire cohort was 46%. The difference in OS between patients with > 3 metastases (21%) and 1–3 metastases (49%) was not statistically significant (HR=1.34, 95% CI: 0.67–2.68, p=0.41). Similarly, 27% of patients had PFS at two years, with 25% in the multiple metastases group and 28% in the comparison group (HR=1.19, 95% CI: 0.63–2.23, p=0.59). Additionally, 32% of patients overall experienced local failure at two years and there was no significant difference between patients with >3 metastases (15%) and those with fewer (33%) (HR=0.68, 95% CI: 0.21–2.19, p=0.52). A multivariate regression model examining multiple preoperative features revealed large tumor volume to be the only independent predictor of limited OS (p = 0.017) and PFS (p = 0.023), and local failure (p = 0.031). Conclusions In carefully selected patients, surgical resection is a reasonable management option for patients with multiple brain metastases.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».