Stereotactic ablative radiotherapy for primary kidney cancer – An international patterns of practice survey
Notice bibliographique
Résumé
Purpose: To conduct an international survey of radiation oncologists treating primary renal cell carcinoma (RCC) with SABR to ascertain the general patterns of SABR use, common dose/treatment/follow-up details, and expected outcomes. Materials and methods: A 51-question survey was created containing the following themes: prevalence and clinical scenarios in which RCC SABR is used, dose-fractionation schedules, treatment delivery details, follow-up/outcome assessments, and implementation barriers. The survey was distributed widely across multiple influential radiation oncology societies and social media, and ran from January to April 2023. Results: A total of 255 respondents participated, mostly from academic centers within Europe/North America. Of these, 40 % (n = 102) currently offer SABR (50 % having begun within the last 3 years). Common barriers in non-users included lack of referrals by urologists and lack of supportive practice guidelines. Of respondents who do offer SABR, 77 % treat both small (4 cm or less) and large (>4 cm) renal masses. Dose-fractionation strategies varied from 27-52 Gy (3-5 fractions) for multifraction regimens, and 15-34 Gy for single fractions. Apart from treatment for medically inoperable disease, scenarios in which SABR was likely to be offered were for recurrence post surgery/thermal ablation and for oligometastatic kidney lesions. Uncommon scenarios included RCC with renal vein/inferior vena cava thrombosis, and as cytoreductive therapy in metastatic RCC. Expected local control outcomes were generally above 70 %, higher for small versus large renal masses. Conclusions: SABR is a relatively newer indication for primary RCC, offered by less than 50% of respondents, with both consistent and variable practice patterns observed.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».