Enhancing Recurrence-Free Survival Prediction in Hepatocellular Carcinoma: A Time-Updated Model Incorporating Tumor Burden and AFP Dynamics
Notice bibliographique
Résumé
BACKGROUND: Existing models to predict recurrence-free survival (RFS) after hepatectomy for hepatocellular carcinoma (HCC) rely on static preoperative factors such as alpha-fetoprotein (AFP) and tumor burden score (TBS). These models overlook dynamic postoperative AFP changes, which may reflect evolving recurrence risk. We sought to develop a dynamic, real-time model integrating time-updated AFP values with TBS for improved recurrence prediction. PATIENTS AND METHODS: Patients undergoing curative-intent hepatectomy for HCC (2000-2023) were identified from an international, multi-institutional database with RFS as the primary outcome. AFP trajectory was monitored from preoperative to 6- and 12-month postoperative values, using time-varying Cox regression with AFP as a time-dependent covariate. The predictive accuracy of this time-updated model was compared with a static preoperative Cox model excluding postoperative AFP. RESULTS: Among 1911 patients, AFP trajectories differed between recurrent and nonrecurrent cases. While preoperative AFP values were similar, recurrent cases exhibited higher AFP at 6 and 12 months. Multivariable analysis identified TBS (hazard ratio (HR):1.043 [95% confidence interval (CI): 1.002-1.086]; p = 0.039) and postoperative log AFP dynamics (HR:1.216 [CI 1.132-1.305]; p < 0.001) as predictors. Contour plots depicted TBS's influence decreasing over time, while postoperative AFP became more predictive. The time-varying Cox model was created to update RFS predictions continuously on the basis of the latest AFP values. The preoperative Cox model, developed with age, AFP, TBS, and albumin-bilirubin score, had a baseline C-index of 0.61 [0.59-0.63]. At 6 months, the time-varying model's C-index was 0.70 [0.67-0.73] versus 0.59 [0.56-0.61] for the static model; at 12 months, it was 0.70 [0.66-0.73] versus 0.56 [0.53-0.59]. The model was made available online ( https://nm49jf-miho-akabane.shinyapps.io/AFPHCC/ ). CONCLUSIONS: Incorporating postoperative AFP dynamics into RFS prediction after HCC resection enhanced prediction accuracy over time, as TBS's influence decreased. This adaptive, time-varying model provides refined RFS predictions throughout follow-up.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».