Cryotherapy in the Treatment of Early-Stage Breast Cancer
Notice bibliographique
Résumé
Breast cancer is one of the most common malignancies, affecting millions of people worldwide annually. The treatment paradigm for early-stage breast cancer is in flux. The focus is now on opportunities to de-escalation treatment to minimize morbidity and maximize patients' quality of life. Recently, percutaneous minimally invasive ablative techniques have been explored. Early trials in small population of patients demonstrated cryoablation to be effective, safe, and well-tolerated in an outpatient setting. Subsequent surgical resection was performed and the ablation success rate was the highest if the tumor was less than 1.5 cm and with < 25% ductal carcinoma in situ component. ACOSOG Alliance Z1072, a phase II trial with curative intent, demonstrated 100% ablation in all tumors smaller than 1 cm and 92% success in lesions without multifocal disease and less than 2 cm in size. There are ongoing prospective clinical trials to investigate the efficacy of cryoablation without surgical excision for treatment of early-stage breast cancer. FROST (Freezing Instead of Removal Of Small Tumors) started in 2016 is ongoing, ICE3 (Cryoablation of Low Risk Small Breast Cancer) started in 2014 just released 5 years results, and COOL-IT: Cryoablation vs Lumpectomy in T1 Breast Cancers is also ongoing. These prospective trials will expand our knowledge on the safety and value of cryoablation. It is crucial to understand the indications, technical nuances, and distinctive imaging findings for cryoablation as it has potential to revolutionize standard surgical practice. World J Oncol. 2024;15(5):737-743 doi: https://doi.org/10.14740/wjon1909
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».