The Impact of Adjunct Medical Therapy on Survival after Spine Metastasis: A Systematic Review and Pooled Data Analysis
Notice bibliographique
Résumé
Targeted therapy has greatly improved the outlook for patients with spinal metastatic cancers. Scoring systems like the Tokuhashi or Tomita scores are commonly used to predict prognosis and inform surgical decisions, but they are outdated and fail to consider recent advancements. We aimed to investigate the current state of the literature and treatment options pertaining to advancements in targeted therapy compared to other forms of medical management for metastatic spinal tumors. This study represents the first comprehensive systematic review that encompasses the most common primary cancers that metastasize to the spine and evaluates the median overall survival (mOS) across five different medical treatment modalities as well as surgical intervention. Additionally, our study analyzes the tumor receptor status in conjunction with these treatments. A PubMed search was conducted, and according to the PRISMA guidelines, 28 articles out of 1834 met the inclusion criteria. The pooled data analysis highlighted the superior efficacy of targeted therapy, evidenced by a significant improvement in the mOS and lower hazard ratios in patients with lung and breast cancers who received targeted therapy compared to those who did not. Our study provides valuable insights into the recent advancements in the medical management of metastatic spinal tumors. Future indications include incorporating this literature into personalized treatment approaches for metastatic spinal tumors.
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 | 0,007 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,015 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».