TAC score better predicts survival than the BCLC following resection of hepatocellular carcinoma
Notice bibliographique
Résumé
BACKGROUND: Heterogeneity in hepatocellular carcinoma (HCC) still exists within the Barcelona clinic liver cancer (BCLC) subcategories. We developed a simple model to better discriminate and predict prognosis following resection. METHODS: Patients who underwent curative-intent resection for HCC were identified from a multi-institutional database. Predictive factors of survival were identified to develop TAC (tumor burden score [TBS], alpha-fetoprotein [AFP], Child-Pugh CP]) score. RESULTS: Among 1435 patients, median TBS was 5.1 (interquartile range [IQR]: 3.2-8.1), median AFP was 18.3 ng/ml (IQR 4.0-362.5), and 1391 (96.9%) patients were classified as CP-A. Factors associated with overall survival (OS) included TBS (low: referent; medium: HR 2.26, 95% CI: 1.73-2.96; high: HR = 3.35, 95% CI: 2.22-5.07), AFP (<400 ng/ml: referent; >400 ng/ml: HR = 1.56, 95% CI: 1.27-1.92), and CP (A: referent; B: HR = 1.81, 95% CI: 1.12-2.92) (all p < 0.05). A simplified risk score demonstrated superior concordance index, Akaike information criteria, homogeneity, and area under the curve versus BCLC (0.620 vs. 0.541; 5484.655 vs. 5536.454; 60.099 vs. 16.194; 0.62 vs. 0.55, respectively), and further stratified patients within BCLC groups relative to OS (BCLC 0, very low: 86.8%, low: 47.8%) (BCLC A, very low: 79.7%, low: 68.1%, medium: 52.5%, high: 35.6%) (BCLC B, low: 59.8%, medium: 43.7%, high: N/A). CONCLUSION: TAC is a simple, holistic score that consistently outperformed BCLC relative to discrimination power and prognostication following resection of HCC.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».