22/11/2017
GFME 643

Accueil
Suite
Actualité de la recherche scientifique sur les glioblastomes



Les facteurs pronostiques de survie chez les patients adultes avec glioblastome récidivant, un modèle basé sur l'arbre de décision


Actualité 643 du 22 novembre 2017

Actualité précédente 642

Actualité suivante 644

2017 Nov 20. doi: 10.1007 / s11060-017-2685-4.

Article original

Les facteurs pronostiques de survie chez les patients adultes avec glioblastome récidivant, un modèle basé sur l'arbre de décision

Auteurs : Audureau E 1, 2 , Chivet A 3, 4 , Ursu ​​R 5 , Corns R 6 , Metellus P 7, 8 , Noel G 9, 10 , Zouaoui S 11 , Guyotat J 12 , Le Reste PJ 13 , Faillot T 14 , Litre F 15 , Desse N 16 , Petit A 17 , Emery E 18 , Lechapt-Zalcman E 19, 20, 21,22 , Peltier J 23 , Duntze J 15 , Dezamis E 1, 2 , Voirin J 24 , Menei P 25 , Caire F 26 , Dam Hieu P 27 , Barat JL 6 , Langlois O 28 , Vignes JR 29 , Fabbro-Peray P 30 , Riondel A 30 , Sorbets E 30 , Zanello M 1, 2 , Roux A 1, 2, 31, Carpentier A 5 , Bauchet Luc 11, 32 , Pallud J 33, 34, 35 ; Club de neuro-oncologie de la Société Française de Neurochirurgie . 1 Département de santé publique, hôpital universitaire Henri Mondor, Créteil, France. 2 Laboratoire d'Investigation Clinique, EA 4393, Université Paris Est Créteil, Créteil, France. 3 Département de neurochirurgie, Hôpital Sainte-Anne, Paris, France. 4 Université Paris Descartes, Paris, France. 5 Département de Neurologie, Hôpital Avicenne, AP-HP, Bobigny, France. 6 Département de neurochirurgie, Leeds General Infirmary, Leeds, Royaume-Uni. 7 Département de Neurochirurgie, Hôpital Privé de Clairval, Marseille, France. 8 UMR911, CRO2, Aix-Marseille Université, Marseille, France. 9 Département de radiothérapie, Centre de lutte contre le cancer Paul Strauss, Strasbourg, France. 10 Laboratoire de radiobiologie, EA 3440, Fédération de médecine translationnelle de Strasbourg (FMTS), Université de Strasbourg, Strasbourg, France. 11 Département de Neurochirurgie, Hôpital Universitaire de Montpellier, Montpellier, France. 12 Service de Neurochirurgie D, Hôpitaux Civils de Lyon, Hôpital neurologique et Neurochirurgical Pierre Wertheimer, Lyon, France. 13 Département de neurochirurgie, Hôpital universitaire de Pontchaillou, Rennes, France. 14 Département de neurochirurgie, Hôpital APHP Beaujon, Clichy, France. 15 Département de Neurochirurgie, Hôpital Maison Blanche, Hôpital Universitaire de Reims, Reims, France. 16 Département de neurochirurgie, Hôpital militaire Sainte Anne, Toulon, France. 17 Département de Neurochirurgie, Hôpital Universitaire Jean Minjoz, Besançon, France. 18 Département de Neurochirurgie, CHU de Caen, Université de Basse-Normandie, Caen, France. 19 Département de pathologie, CHU de Caen, Caen, France. 20 CNRS, UMR 6232 Groupe CERVOxy, Caen, France. 21 Université de Caen Basse-Normandie, UMR 6232 Groupe CERVOxy, Caen, France. 22 CEA, UMR 6232 Groupe CERVOxy, Caen, France. 23 Département de Neurochirurgie, Hôpital Universitaire d'Amiens, Amiens, France. 24 Département de Neurochirurgie, Hôpital Pasteur, Colmar, France. 25 Département de neurochirurgie, CHU d'Angers, Angers, France. 26 Service de Neurochirurgie, CHU de Limoges, Limoges, France. 27 Département de Neurochirurgie, Faculté de Médecine, Centre Médical Universitaire, Université de Brest, Brest, France. 28 Département de Neurochirurgie, Hôpital Universitaire de Rouen, Rouen, France. 29 Service de neurochirurgie A, CHU Pellegrin, Bordeaux Cedex, France. 30 Département de Biostatistique, Epidémiologie clinique, Santé Publique, Informations Médicales, Hôpital Universitaire de Nîmes, Nîmes, France. 31 Inserm, U894, IMABRAIN, Centre Psychiatrie et Neurosciences, Paris, France. 32 Inserm, U1051, Montpellier, France. 33 Département de neurochirurgie, Hôpital Sainte-Anne, Paris, France. johanpallud@hotmail.com. 34 Université Paris Descartes, Paris, France. johanpallud@hotmail.com. 35 Inserm, U894, IMABRAIN, Centre Psychiatrie et Neurosciences, Paris, France. johanpallud@hotmail.com.

Résumé :

Nous avons évalué les facteurs pronostiques en relation avec la survie totale OS après progression dans les glioblastomes récurrents. C'est une étude multicentrique rétrospective portant sur 407 patients adultes (ensemble de la formation) et 370 patients (ensemble depatients externes) avec un glioblastome supratentoriel récidivant traité par résection chirurgicale et chimioradiothérapie combinée standard en traitement de première intention (Stupp). 4 modèles pronostiques multivariantes complémentaires ont été évalués. La modélisation de la régression des hasards proportionnels de Cox, partitionnement récursif à arbre unique, survie aléatoire, forêt aléatoire conditionnelle. 
La survie globale médiane de la progression était respectivement de 7,6 mois (moyenne, 10,1, 0-86) et de 8,0 mois (moyenne, 8,5, 0-56) dans les ensembles d'entraînement et de validation (p = 0,900). 
En utilisant le modèle Cox dans l'ensemble d'entraînement, les prédicteurs indépendants de survie globale plus faible à la progression incluaient l'augmentation de l'âge au diagnostic histopathologique (aHR, 1,47, IC 95% [1,03-2,08], p = 0,032), les classes RTOG-RPA V-VI ( aHR, 1.38, IC 95% [1.11-1.73], p = 0.004), diminuant KPS à la progression (aHR, 3.46; IC 95% [2.10-5.72], p <0.001), tandis que les prédicteurs indépendants d'une survie globale plus longue de la progression comprenaient une résection chirurgicale (aHR, 0,57; IC 95% [0,44-0,73]; p <0,001) et la chimiothérapie (aHR, 0,41; IC 95% [0,31-0,55]; p <0,001) .
La partition récursive avec un seul arbre a identifié le KPS à la progression, la résection chirurgicale à la progression, la chimiothérapie à la progression et la classe RTOG-RPA au diagnostic histopathologique, comme les principaux prédicteurs de survie dans l'ensemble de formation, donnant 4 catégories de risque hautement prédictives de la survie.
Les deux approches aléatoires ont identifié le KPS à la progression comme le prédicteur de survie le plus important. Age, KPS à la progression, classes RTOG-RPA,

Pubmed : 29159777

MOTS CLÉS : Forêt aléatoire conditionnelle, Modèle de Cox,  Arbre de décision, Glioblastome, Statut de performance de Karnofsky, La survie globale, Modèles pronostiques, Forêt de survie aléatoire, Récurrence, Analyse de partition récursive, Chirurgie

Vocabulaire

RTOG

Le Groupe Oncologique de Radiothérapie RTOG est reconnu pour ses travaux sur l'accroissement de la survie et de la qualité de vie des patients avec un cancer ou une tumeur de cerveau.

Modèle Cox
La régression de Cox (modèle à risque proportionnel) — nommée ainsi d'après le statisticien britannique David Cox — est une classe de modèles de survie en statistiques. Les modèles de survie étudient le temps écoulé avant qu'un événement ne survienne. Historiquement, dans le modèle de Cox, cet événement est le décès de l'individu, c'est pourquoi on parle généralement de survie et de décès. Au cours des années, l'utilisation du modèle s'est étendue à d'autres situations, l'événement peut donc être de quelconque nature : il peut s'agir de la récidive d'une maladie, ou à l'inverse d'une guérison. D'un point de vue statistique, la nature de l'événement n'est bien sûr pas importante, il s'agira alors d'interpréter les coefficients en conséquence. Dans le cas d'une étude, bien souvent, il n'est pas envisageable de suivre les individus sur une longue période, et les événements ne sont pas forcément observés sur toute la population, on parle alors de données tronquées ou censurées. L'avantage d'un modèle comme celui de Cox est que l'on peut prendre en compte ces données même si elles ne sont pas « complètes ».




Accueil