Aller au contenu principal
Accès ouvert déclaré 2023 other

Data from Response Classification Based on a Minimal Model of Glioblastoma Growth Is Prognostic for Clinical Outcomes and Distinguishes Progression from Pseudoprogression

0Citations signalées, ce qui n’est pas une note de qualité
0Institutions déclarées
0Pays d’affiliation déclarés

Le résumé fourni par la source

Abstract Glioblastoma multiforme is the most aggressive type of primary brain tumor. Glioblastoma growth dynamics vary widely across patients, making it difficult to accurately gauge their response to treatment. We developed a model-based metric of therapy response called Days Gained that accounts for this heterogeneity. Here, we show in 63 newly diagnosed patients with glioblastoma that Days Gained scores from a simple glioblastoma growth model computed at the time of the first postradiotherapy MRI scan are prognostic for time to tumor recurrence and overall patient survival. After radiation treatment, Days Gained also distinguished patients with pseudoprogression from those with true progression. Because Days Gained scores can be easily computed with routinely available clinical imaging devices, this model offers immediate potential to be used in ongoing prospective studies. Cancer Res; 73(10); 2976–86. ©2013 AACR.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Data from Response Classification Based on a Minimal Model of Glioblastoma Growth Is Prognostic for Clinical Outcomes and Distinguishes Progression from Pseudoprogression
Date Crossref
30/03/2023
Éditeur
American Association for Cancer Research (AACR)
Type
posted-content

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Les sujets associés

Glioma Diagnosis and TreatmentMathematical Biology Tumor GrowthRadiomics and Machine Learning in Medical Imaging

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.