MétaCan
Menu
Retour à la cohorte
Enregistrement W4394824542 · doi:10.1016/j.ijrobp.2024.04.001

Incorporation of Functional Lung Imaging Into Radiation Therapy Planning in Patients With Lung Cancer: A Systematic Review and Meta-Analysis

2024· review· en· W4394824542 sur OpenAlexaff
Julie Midroni, Rohan Salunkhe, Zhihui Liu, Ronald Chow, Gabriel Boldt, David A. Palma, Douglas A. Hoover, Yevgeniy Vinogradskiy, Srinivas Raman

Notice bibliographique

RevueInternational Journal of Radiation Oncology*Biology*Physics · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensWestern UniversityPrincess Margaret Cancer CentreOntario Institute for Cancer ResearchLondon Health Sciences CentreUniversity of Toronto
Organismes subventionnairesNational Cancer InstituteNational Institutes of Health
Mots-clésLung cancerMeta-analysisMedicineRadiation therapyLungRadiologyOncologyMedical physicsNuclear medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Our purpose was to provide an understanding of current functional lung imaging (FLI) techniques and their potential to improve dosimetry and outcomes for patients with lung cancer receiving radiation therapy (RT). Excerpta Medica dataBASE (EMBASE), PubMed, and Cochrane Library were searched from 1990 until April 2023. Articles were included if they reported on FLI in one of: techniques, incorporation into RT planning for lung cancer, or quantification of RT-related outcomes for patients with lung cancer. Studies involving all RT modalities, including stereotactic body RT and particle therapy, were included. Meta-analyses were conducted to investigate differences in dose-function parameters between anatomic and functional RT planning techniques, as well as to investigate correlations of dose-function parameters with grade 2+ radiation pneumonitis (RP). One hundred seventy-eight studies were included in the narrative synthesis. We report on FLI modalities, dose-response quantification, functional lung (FL) definitions, FL avoidance techniques, and correlations between FL irradiation and toxicity. Meta-analysis results show that FL avoidance planning gives statistically significant absolute reductions of 3.22% to the fraction of well-ventilated lung receiving 20 Gy or more, 3.52% to the fraction of well-perfused lung receiving 20 Gy or more, 1.3 Gy to the mean dose to the well-ventilated lung, and 2.41 Gy to the mean dose to the well-perfused lung. Increases in the threshold value for defining FL are associated with decreases in functional parameters. For intensity modulated RT and volumetric modulated arc therapy, avoidance planning results in a 13% rate of grade 2+ RP, which is reduced compared with results from conventional planning cohorts. A trend of increased predictive ability for grade 2+ RP was seen in models using FL information but was not statistically significant. FLI shows promise as a method to spare FL during thoracic RT, but interventional trials related to FL avoidance planning are sparse. Such trials are critical to understanding the effect of FL avoidance planning on toxicity reduction and patient outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,036
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0160,034
Bibliométrie0,0060,008
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,391
Écart entre enseignants0,353 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Radiation Oncology*Biology*PhysicsMême sujetLung Cancer Diagnosis and TreatmentTravaux en français237 207