MétaCan
Menu
Retour à la cohorte
Enregistrement W4405430958 · doi:10.1200/jco.24.00857

Liver Transplantation for Hepatocellular Carcinoma: An Expanding Cornerstone of Care in the Era of Immunotherapy

2024· review· en· W4405430958 sur OpenAlexaff
Christian Tibor Josef Magyar, Grainne M. O’Kane, Laia Aceituno, Zhihao Li, Arndt Vogel, Jordi Bruix, Vincenzo Mazzaferro, Gonzalo Sapisochín

Notice bibliographique

RevueJournal of Clinical Oncology · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueHepatocellular Carcinoma Treatment and Prognosis
Établissements canadiensToronto General HospitalPrincess Margaret Cancer CentreUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineHepatocellular carcinomaLiver transplantationCornerstoneEconomic shortageTransplantationIntensive care medicinePopulationOncologyMilan criteriaLiver diseaseCancerInternal medicineImmunotherapyDisease

Résumé

récupéré en direct d'OpenAlex

Liver transplantation (LT) has been accepted as a cornerstone of care in hepatocellular carcinoma (HCC) for almost three decades. In recent years, its role has been evolving to include patients with disease burden beyond the widely used Milan criteria. The integration of dynamic biomarkers such as alpha-fetoprotein together with downstaging approaches and tumor evolution after enlistment has allowed the selection of patients most likely to benefit, resulting in 5-year survival rates greater that 70%. With the increasing use of immune checkpoint inhibitors (ICIs) across all stages of disease, alone or in combination with locoregional therapies, there is now the potential to further expand the patient population with HCC who may benefit from LT. This brings challenges, given the global shortage of organs and the need to better understand the optimal use of ICIs before transplantation. Furthermore, the field of transplant oncology awaits additional biomarkers that can predict those likely to benefit from ICIs. More than ever, a multidisciplinary approach for liver cancer management is critical to ensure all patients are considered for LT where appropriate, and do not miss the opportunity for long-term survival.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,261
Tête enseignante GPT0,468
Écart entre enseignants0,207 · 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'étudeSans objet
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

Citations19
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetHepatocellular Carcinoma Treatment and PrognosisTravaux en français237 207