Survival outcomes among patients with breast cancer and leptomeningeal disease
Notice bibliographique
Résumé
Despite advances in metastatic breast cancer (MBC) management, leptomeningeal disease (LMD) prognosis remains poor. This study evaluates clinicopathological and treatment factors influencing outcomes of MBC patients with LMD treated with radiotherapy (RT). We conducted a retrospective analysis of patients with MBC treated with RT for brain metastases (BrM) between 2005 and 2019. LMD diagnosis was made via magnetic resonance imaging (MRI). Multivariable analysis (MVA) identified variables associated with brain-specific progression-free survival (bsPFS) and overall survival (OS). Among 691 MBC patients treated with RT for BrM, 161 (23%) had LMD, either at initial presentation (50/161) or after BrM treatment. Patients with LMD were younger, more likely to have ER + disease, more likely to have undergone surgery for BrM, and less likely to have received prior whole-brain RT. HER2+ LMD was associated with longer bsPFS (HR 0.47, 95% CI: 0.25-0.86, p = 0.01) and OS (HR 0.38, 95% CI: 0.2-0.75, p = 0.002). Median OS for triple-negative breast cancer was 3.7 months, 5.1 months for HR+/HER2 - and 15.4 months for HER2 + MBC. HER2-targeted therapy, either at or after LMD diagnosis, improved long-term survival (> 2 years) (Fisher's test, p < 0.05). Low Karnofsky Performance Status (KPS < 60) was linked to shorter bsPFS (HR 2.91, 95% CI: 1.49-5.69, p < 0.01) and OS (HR 3.37, 95% CI: 1.78-6.41, p < 0.001). These findings highlight the need for effective CNS-penetrating systemic therapies for HER2-negative breast cancer.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,001 | 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 ».