Use of focal radiotherapy boost for prostate cancer and perceived barriers toward its implementation: a survey
Notice bibliographique
Résumé
Abstract Background In a recent phase III randomized control trial (FLAME), delivering a focal radiotherapy (RT) boost to tumors visible on MRI was shown to improve outcomes for prostate cancer patients without increasing toxicity. The aim of this study was to assess how widely this technique is being applied in current practice as well as physicians’ perceived barriers toward its implementation. Methods An online survey assessing the use of intraprostatic focal boost was conducted in December 2022 and February 2023. The survey link was distributed to radiation oncologists worldwide via email list, group text platform, and social media. Results The survey initially collected 205 responses from various countries over a two-week period in December 2022. The survey was then reopened for one week in February 2023 to allow for more participation, leading to a total of 263 responses. The highest-represented countries were the United States (42%), Mexico (13%), and the United Kingdom (8%). The majority of participants worked at an academic medical center (52%) and considered their practice to be at least partially genitourinary (GU)-subspecialized (74%). 57% of participants reported not routinely using intraprostatic focal boost. Even among complete subspecialists, a substantial proportion (39%) do not routinely use focal boost. Less than half of participants in both high-income and low-to-middle-income countries were shown to routinely use focal boost. The most commonly cited barriers were concerns about registration accuracy between MRI and CT (37%), concerns about risk of additional toxicity (35%), and challenges to accessing high-quality MRI (29%). Conclusion Despite level 1 evidence from the FLAME trial, most radiation oncologists surveyed are not routinely offering focal RT boost. Adoption of this technique might be accelerated by increased access to high-quality MRI, better registration algorithms of MRI to CT simulation images, physician education on benefit-to-harm ratio, and training on contouring prostate lesions on MRI.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».