RE-IRRADIATION FOR RECURRENT HIGH-GRADE GLIOMA: AN ANALYSIS OF PROGNOSTIC FACTORS FOR SURVIVAL AND PREDICTORS OF RADIATION NECROSIS
Notice bibliographique
Résumé
Abstract Recurrent high-grade glioma (rHGG) is a heterogeneous population, and the ideal patient selection for reirradiation (re-RT) has yet to be established. This study aims to identify prognostic factors for rHGG patients treated with re-RT. METHODS: We retrospectively reviewed consecutive adults with rHGG who underwent re-RT from 2009-2020 from our institutional database. The primary objective was overall survival (OS). The secondary outcomes included prognostic factors for early death (<6 months after re-RT) and predictors of radiation necrosis (RN). RESULTS: For the 79 patients identified, the median OS after re-RT was 9.9 months (95% CI 8.3-11.6). On multivariate analyses (MVA), re-resection at progression (HR=0.56, p=0.027), interval from primary treatment to first progression ≥16.3 months (HR=0.61, p=0.034), interval from primary treatment to re-RT ≥23.9 months (HR=0.35, p<0.001), and re-RT PTV volume <112 cc (HR=0.27, p<0.001) were prognostic for improved OS. Patients who had unmethylated-MGMT tumours (OR=12.4, p=0.034), ≥3 prior systemic treatment lines (OR=29.1, p=0.22), interval to re-RT <23.9 months (OR=9.0, p=0.039), and re-RT PTV volume ≥112 cc (OR=17.8, p=0.003) were more likely to survive <6 months. The cumulative incidence of RN was 11.4% (95% CI 4.3-18.5) at 12 months. Concurrent bevacizumab use (HR<0.001, p<0.001) and cumulative equivalent dose in 2 Gy fractions (cEQD2, a/b=2) <99 Gy2 (HR<0.001, p<0.001) were independent protective factors against RN. CONCLUSIONS: We observe favorable OS rates following re-RT and identified prognostic factors, including methylation status, that can assist in patient selection and clinical trial design. Concurrent use of bevacizumab and cEQD2 <99 Gy2 mitigates the risk of RN.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».