Leptomeningeal carcinomatosis and brain metastases in gastroesophageal carcinoma: a real-world analysis of clinical and pathologic characteristics and outcomes
Notice bibliographique
Résumé
BACKGROUND: Brain metastasis (BrM) and Leptomeningeal Carcinomatosis (LMC) are uncommon complications in gastroesophageal carcinoma (GEC) patients. These patients have a poor prognosis and are challenging to treat. We described the clinicopathologic features and outcomes in the largest cohort of Central Nervous System (CNS) metastasis in GEC patients. METHODS: single-center retrospective study of GEC treated from 2007 to 2021. Clinicopathologic characteristics and treatment modalities were reviewed. Survival was calculated from the date of CNS diagnosis until date of death/last follow-up using the Kaplan-Meier method. A multivariable Cox proportional hazards regression model was used. RESULTS: Of 3283 GEC patients, 100 (3.04%) were diagnosed with BrM and 20 with LMC (0.61%). Patients with known human epidermal growth factor receptor 2 (HER2) status (N = 48), 60% were HER2 positive (defined as IHC 3 + or IHC 2+/FISH+). Among LMC patients most were signet-ring subtype (85%), and only 15% (2/13) were HER2 positive. Median survival was 0.7; 3.8; and 7.7 months in BrM patients treated with best supportive care, radiation, and surgery, respectively (p < 0.001). In LMC, median survival was 0.7 month in patients who had best supportive care (7/19) and 2.8 months for those who had whole brain radiation therapy (p = 0.015). Multivariate analysis showed worse outcomes in ECOG ≥ 2 (p = 0.002), number of BrM ≥ 4 (p < 0.001) and number of metastatic sites (p = 0.009). CONCLUSION: HER2 expression were enriched in patients with BrM, while it is uncommon in LMC. Patients treated with surgery followed by radiation had an improved OS in BrM and WBRT benefited patients with LMC.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 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 ».