Risk Stratification and Contemporary Predictors of Survival in Hepatocellular Carcinoma Treated With Transarterial Radioembolization
Notice bibliographique
Résumé
Background: Identifying risk factors for poor outcomes in patients with hepatocellular carcinoma (HCC) treated with transarterial radioembolization (TARE) can aid in developing personalized management strategies, such as the early use of immune checkpoint inhibitors (ICIs). Methods: In this retrospective review, we included HCC patients who received TARE at The Ohio State University Comprehensive Cancer Center from January 1, 2015, to August 30, 2022. The Kaplan-Meier method was used to estimate progression-free survival (PFS) and overall survival (OS). Cox proportional hazard analysis was conducted to find the independent predictors of PFS and OS. Results: We included 141 patients (median age of 65 years; 80% Caucasian; 80% male). Better PFS was associated with higher albumin (alb) (hazard ratio (HR) = 0.58, P = 0.005) and lower total bilirubin (T bili) levels (HR = 0.70, P = 0.034). Better OS was associated with a history of ablation (HR = 0.35, P < 0.001) and higher pre-TARE alb (HR = 0.63, P = 0.01); OS was worse in those with hepatic encephalopathy (HR = 2.01, P = 0.006). There was a notable trend toward worse OS in patients with ascites (HR = 1.71, P = 0.06) and metabolic-dysfunction-associated fatty liver disease (MAFLD)-associated HCC (HR = 1.86, P = 0.08). The receipt of ICI therapy was associated with a significantly better OS (P = 0.016), with a median OS of 1,102 days (95% confidence interval (CI): 884 - 1,509) compared to 614 days (95% CI: 493 - 829). Conclusion: We present pretreatment risk factors (low alb, high T bili, MAFLD, hepatic encephalopathy, and ascites) that can predict poor outcomes in HCC patients treated with TARE. Preemptively treating such high-risk patients with ICI could improve their outcomes.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,000 | 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 ».