Incidence and predictive factors of retropharyngeal lymph node metastases in patients with oropharyngeal cancer undergoing multimodality treatment planning imaging
Notice bibliographique
Résumé
BACKGROUND: We investigated the incidence and predictive factors of retropharyngeal lymph node (RPLN) metastases in patients with oropharyngeal cancer (OPC) undergoing multimodality treatment planning imaging before radiotherapy. METHODS: Consecutive patients with OPC treated with curative-intent radiotherapy from 2017 to 2019 were retrospectively analyzed. Treatment planning comprised contrast-enhanced computed tomography (CT), magnetic resonance imaging (MRI), and fluorodeoxyglucose-positron emission tomography (FDG-PET) unless contraindicated. RESULTS: Of 300 patients, 66 (22%) had radiological evidence of RPLN involvement on planning images, compared to 17 (6%) on diagnostic CT alone. On multivariate analysis, RPLN involvement was statistically (p < 0.05) associated with tonsil, soft palate, and posterior pharyngeal wall primaries, and with disease extension to the soft palate or vallecula. CONCLUSIONS: Multimodality treatment planning imaging reveals a high rate of RPLN metastases from OPC compared to diagnostic CT alone. Patients with tonsil, soft palate, or posterior pharyngeal wall primaries or disease extending to the soft palate or vallecula appear at higher risk.
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 | 0,000 | 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) | 0,000 | 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 ».