Treatment and Prevention of Brain Metastases in Small Cell Lung Cancer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Central nervous system (CNS) metastasis will develop in 50% of small cell lung cancer (SCLC) patients throughout disease course. Development of CNS metastasis poses a particular treatment dilemma due to the accompanied cognitive changes, poor permeability of the blood-brain barrier to systemic therapy and relatively advanced state of disease. Survival of patients with untreated SCLC brain metastases is generally <3 months with whole brain radiotherapy used as first-line management in most SCLC patients. To prevent development of CNS metastasis prophylactic cranial irradiation (PCI) is recommended in limited stage disease, after response to chemotherapy and radiation, while PCI may be considered in extensive stage disease after favorable response to upfront treatment. Neurocognitive toxicity with whole brain radiotherapy and PCI is a concern and remains difficult to predict. The mechanism of toxicity is likely multifactorial, but a potential mechanism of injury to the hippocampus has led to hippocampal sparing radiation techniques. Treatment of established non-small cell lung cancer CNS metastases has increasingly focused on using stereotactic radiotherapy (SRS) and it is tempting to extrapolate these results to SCLC. In this review, we explore the evidence surrounding the prediction, prevention, detection, and treatment of CNS metastases in SCLC. We further review whether existing evidence supports extrapolating less toxic treatments to SCLC patients with CNS metastases and discuss trials that may shed more light on this question.
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.
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 | 0,001 |
| 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 découle