Adjuvant Therapy After Neoadjuvant Therapy for Esophageal Cancer
Notice bibliographique
Résumé
OBJECTIVE: We hypothesized that, on average, patients do not benefit from additional adjuvant therapy after neoadjuvant therapy for locally advanced esophageal cancer, although subsets of patients might. Therefore, we sought to identify profiles of patients predicted to receive the most survival benefit or greatest detriment from adding adjuvant therapy. BACKGROUND: Although neoadjuvant therapy has become the treatment of choice for locally advanced esophageal cancer, the value of adding adjuvant therapy is unknown. METHODS: From 1970 to 2014, 22,123 patients were treated for esophageal cancer at 33 centers on 6 continents (Worldwide Esophageal Cancer Collaboration), of whom 7731 with adenocarcinoma or squamous cell carcinoma received neoadjuvant therapy; 1348 received additional adjuvant therapy. Random forests for survival and virtual-twin analyses were performed for all-cause mortality. RESULTS: Patients received a small survival benefit from adjuvant therapy (3.2±10 months over the subsequent 10 years for adenocarcinoma, 1.8±11 for squamous cell carcinoma). Consistent benefit occurred in ypT3-4 patients without nodal involvement and those with ypN2-3 disease. The small subset of patients receiving most benefit had high nodal burden, ypT4, and positive margins. Patients with ypT1-2N0 cancers had either no benefit or a detriment in survival. CONCLUSIONS: Adjuvant therapy after neoadjuvant therapy has value primarily for patients with more advanced esophageal cancer. Because the benefit is often small, patients considering adjuvant therapy should be counseled on benefits versus morbidity. In addition, given that the overall benefit was meaningful in a small number of patients, emerging modalities such as immunotherapy may hold more promise in the adjuvant setting.
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 | 0,001 | 0,000 |
| 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) | 0,003 | 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 ».