Salvage surgery in recurrent sinonasal cancers: Proposal for a prognostic model based on clinicopathologic and treatment‐related parameters
Notice bibliographique
Résumé
BACKGROUND: Evidence on survival and major prognosticators after salvage surgery in recurrent sinonasal cancers (SNC) is limited. METHODS: A retrospective, single-center study of recurrent SNC treated with salvage surgery between 1997 and 2019 was conducted. Univariate and multivariable analyses were performed to define a prognostic score for overall survival (OS). RESULTS: One hundred and eighteen patients were included. Recurrent SNC originated mostly in the naso-ethmoidal box (67.8%) and were mainly epithelial (76.2%), high-grade (49.2%), and locally advanced (rpT4, 60.1%) malignancies. Negative margins were achieved in 56.6% of cases. Two- and 5-year OS were 71.7% and 56%, respectively. The prognostic model included treatment modality for primary tumor, histology, rpT class, margin status, perineural invasion, and adjuvant radiotherapy and stratified patients into three prognostic groups (5-year OS: 84.4%, 44.9%, and 0%, respectively). CONCLUSIONS: Treatment of recurrent SNC can result in good long-term survival estimates with limited morbidity. Our score can provide excellent prognostic stratification.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».