PRECISION THROUGH MODERATION: REDEFINING GBM THERAPY IN THE ELDERLY WITH HYPOFRACTIONATED RADIOTHERAPY
Notice bibliographique
Résumé
Background: Glioblastoma (GBM) is the most aggressive primary brain tumor, with particularly poor prognosis in elderly patients due to age-related comorbidities and reduced treatment tolerance. Standard therapy based on the Stupp protocol is often poorly suited to this population. Hypofractionated radiotherapy (HFRT) has emerged as a promising alternative, but optimal regimens and outcomes remain under investigation. This prospectiv Methods: e single-arm study included 25 patients aged ≥60 years with histologically confirmed GBM and Karnofsky Performance Status (KPS) >50. All patients underwent maximal safe resection followed by HFRT (40.05 Gy in 15 fractions) with concurrent temozolomide (TMZ) and adjuvant TMZ per the Stupp protocol. The primary endpoint was overall survival (OS); secondary endpoints included progression-free survival (PFS), treatment compliance, toxicity, and neurologic outcomes. The median age was 63.7 years. Gross total resection was achieved in 84% of patients. Adju Results: vant TMZ was administered in 76%. Median OS and PFS were 7.99 and 5.69 months, respectively. Extent of resection significantly influenced PFS (p = 0.028), but not OS. Treatment was well tolerated, with no grade 3–4 hematologic toxicity. Posttreatment neurologic improvement was noted in 44% of patients, with stable or improved KPS in 80%. Mild cognitive decline occurred in 20% of patients. HFRT combined with TMZ is a feasible, effective, and well-toler Conclusion: ated treatment option for elderly GBM patients. It provides survival outcomes comparable to conventional regimens with improved tolerability and functional preservation. These findings support HFRT as a standard approach in appropriately selected elderly or frail patients.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,002 |
| 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 ».