Cumulative incidence and survival outcomes of brain metastases in sarcoma: a large single center retrospective analysis
Notice bibliographique
Résumé
BACKGROUND: The incidence and predictors of brain metastases (BrM) from sarcoma remain poorly characterized. We aimed to determine the cumulative incidence (CuI) and risk factors for BrM. METHODS: We retrospectively analyzed data from all sarcoma patients who presented to our center (2006-2023). CuI was calculated from initial presentation to BrM, stratified by key variables. Univariable (UVA) and multivariable competing risk regression analyses (MVA) were conducted to identify risk factors. RESULTS: Among 5110 sarcoma patients, 117 developed BrM. CuI rates were 1.8%, 2.4%, and 2.9% at 24, 48, and 72 months, respectively, within a median onset of 17 months. On UVA, intrathoracic primary site, alveolar soft part (ASPS), epithelioid, intimal and Rhabdomyosarcoma histologies, and stage IV at diagnosis were associated with increased CuI, while age ≥59, retroperitoneal origin and liposarcoma were associated with decreased CuI. On MVA the following remained correlated to BrM incidence: intrathoracic primary (HR 5.13), ASPS (HR 4.2), age ≥59 years (HR 0.45) and liposarcoma (HR 0.11); 44.3% presented with solitary BrM. Median survival post-BrM diagnosis was 6 months. CONCLUSION: BrM risk in sarcoma varies by age, histology, and tumor location. Solitary metastases were common in our BrM cohort, and OS post-BrM was poor.
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 | 0,001 | 0,002 |
| 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 | 0,000 |
| 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 ».