Comparative Outcome Analysis of Lenvatinib Versus Sorafenib for Recurrence of Hepatocellular Carcinoma After Liver Transplantation
Notice bibliographique
Résumé
BACKGROUND: Hepatocellular carcinoma (HCC) recurs after liver transplantation (LT) in ~17% of patients. We aimed to retrospectively compare the outcomes of patients treated with different tyrosine kinase inhibitors (TKIs) for recurrent HCC post-LT. METHODS: Patients with recurrent HCC post-LT between 2006 and 2019 were included. The impact of sorafenib and lenvatinib treatment for recurrent disease was assessed using survival analysis with an a priori multivariable Cox regression (alpha-fetoprotein [AFP] at recurrence, recurrence lesion diameter, single-site versus multisite metastases). RESULTS: Seven hundred fifty-four patients underwent LT for HCC, of whom 120 (15.9%) developed recurrence. Of these patients, 56 received TKIs: sorafenib (n = 42) or lenvatinib (n = 14). The median age at LT was 60.8 y (interquartile range, 54.0-66.2); 52 (93%) were men and 26 (46%) were within Milan criteria at listing. Baseline characteristics at recurrence were comparable between the 2 groups, including largest tumor diameter ( P = 0.15), receipt of local therapies before TKI ( P = 0.33), and single-site recurrence ( P = 0.75), and time from interventional treatment to start of TKI ( P = 0.44). The AFP at recurrence was higher in the sorafenib group (95.0 versus 3.0 µg/L, P < 0.001). The median overall survival (OS) after initiation of TKI treatment was longer in the lenvatinib group (15.0 mo [95% confidence interval [CI], 11.5-31.5] versus 7.8 mo [95% CI, 4.0-15.4]; P = 0.02) with a 2.3-fold a priori adjusted effect on OS (adjusted hazard ratio 2.32 [95% CI, 1.03-5.20], P = 0.04). CONCLUSIONS: Our findings suggest lenvatinib is a valuable treatment option for patients with HCC recurrence after LT.
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 | 0,000 |
| 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 ».