Histologic type predicts disparate outcomes in pediatric hepatocellular neoplasms: A Pediatric Surgical Oncology Research Collaborative study
Notice bibliographique
Résumé
BACKGROUND: Hepatocellular carcinoma (HCC) is a rare cancer in children, with various histologic subtypes and a paucity of data to guide clinical management and predict prognosis. METHODS: A multi-institutional review of children with hepatocellular neoplasms was performed, including demographic, staging, treatment, and outcomes data. Patients were categorized as having conventional HCC (cHCC) with or without underlying liver disease, fibrolamellar carcinoma (FLC), and hepatoblastoma with HCC features (HB-HCC). Univariate and multivariate analyses identified predictors of mortality and relapse. RESULTS: In total, 262 children were identified; and an institutional histologic review revealed 110 cHCCs (42%; 69 normal background liver, 34 inflammatory/cirrhotic, 7 unknown), 119 FLCs (45%), and 33 HB-HCCs (12%). The authors observed notable differences in presentation and behavior among tumor subtypes, including increased lymph node involvement in FLC and higher stage in cHCC. Factors associated with mortality included cHCC (hazard ratio [HR], 1.63; P = .038), elevated α-fetoprotein (HR, 3.1; P = .014), multifocality (HR, 2.4; P < .001), and PRETEXT (pretreatment extent of disease) stage IV (HR, 5.76; P < .001). Multivariate analysis identified increased mortality in cHCC versus FLC (HR, 2.2; P = .004) and in unresectable tumors (HR, 3.4; P < .001). Disease-free status at any point predicted survival. CONCLUSIONS: This multi-institutional, detailed data set allowed a comprehensive analysis of outcomes for children with these rare hepatocellular neoplasms. The current data demonstrated that pediatric HCC subtypes are not equivalent entities because FLC and cHCC have distinct anatomic patterns and outcomes in concert with their known molecular differences. This data set will be further used to elucidate the impact of histology on specific treatment responses, with the goal of designing risk-stratified algorithms for children with HCC. LAY SUMMARY: This is the largest reported granular data set on children with hepatocellular carcinoma. The study evaluates different subtypes of hepatocellular carcinoma and identifies key differences between subtypes. This information is pivotal in improving understanding of these rare cancers and may be used to improve clinical management and subsequent outcome in children with these rare malignancies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».