PREDICTORS OF TUMOR DYNAMICS DURING A COURSE OF 30-FRACTION RADIOTHERAPY FOR GLIOBLASTOMA
Notice bibliographique
Résumé
Abstract We aim to identify predictors of tumor dynamics during radiotherapy for glioblastoma. METHODS: This is a prospective serial MRI study in patients with glioblastoma. MRIs were obtained at radiotherapy planning (F0), fraction-10 (F10), and fraction-20 (F20). The tumor dynamics metrics (relative to F0) assessed included: relative gross tumor volume (GTV) changes (Vrel) and migration distance (dM). RESULTS: 129 patients were included in this study. Median GTV was 20.9cc at F0, 17.6cc at F10 (Vrel 0.85), and 16.1cc at F20 (Vrel 0.78). Patients with no corpus-callosum involvement (CCI) (vs with CCI) had more marked GTV volume reduction: Vrel 0.82 vs 1.02 at F10 (P=0.05), and Vrel 0.77 vs 0.88 at F20 (P=0.03). Patients with gross total resection (GTR) had more marked GTV volume reduction (vs subtotal resection (STR) vs biopsy (Bx)): Vrel 0.78, 0.85 and 1.07 at F10 (P=0.001), and Vrel 0.69, 0.80, 1.04 at F20 (P=0.001). The median dM were 4.7mm at both F10 and F20. Patients with CCI had larger dM (vs no CCI): 41% vs 12% had dM>10mm at F10 (P=0.01), and 45% vs 9% had dM>10mm at F20 (P<0.001). At F20, 0%, 25% and 19% of patients with GTR, STR and Bx had dM>10mm (P=0.002). Age, sex, MGMT methylation and IDH-mutation status were not associated with tumor dynamics during treatment. CONCLUSION: CCI and extent of surgery predict for tumor dynamics, which may allow us to better select patients who benefit the most from re-planning/ treatment adaptation during radiotherapy.
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) | 0,000 | 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 ».