Thanh bên bài viết
Số lượt xem pdf: 65
TỈ LỆ TÁI PHÁT VÀ CÁC YẾU TỐ LIÊN QUAN CỦA BỆNH NHÂN UNG THƯ BIỂU MÔ BUỒNG TRỨNG TẠI BỆNH VIỆN TỪ DŨ
Nội dung chính của bài viết
Tóm tắt
Đặt vấn đề: Ung thư buồng trứng là một trong những bệnh lý gây tử vong hàng đầu trong ung thư phụ khoa. Ung thư biểu mô buồng trứng (UTBMBT) chiếm đa số trong thể bệnh này. Việc tìm kiếm các yếu tố tiên lượng sớm cho khả năng tái phát có ý nghĩa quan trọng trong việc cá thể hóa điều trị và theo dõi bệnh nhân. Mục tiêu: Xác định tỉ lệ tái phát và các yếu tố liên quan đến tái phát của UTBMBT. Phương pháp: Nghiên cứu (NC) đoàn hệ hồi cứu trên 392 trường hợp UTBMBT được điều trị tại bệnh viện Từ Dũ, nhập viện từ tháng 1/2015 đến tháng 12/2019. Kết quả: Thời gian theo dõi có trung vị là 71,8 tháng (phạm vi, 4,1 - 121,6 tháng). Tỉ lệ tái phát chung là 32,8%. Tần suất tái phát tích lũy tại thời điểm 12 tháng là 2,2% (KTC 95% 1,1 - 4,3); tại thời điểm 36 tháng là 20,6% (KTC 95% 16,8 - 25,2); tại thời điểm 60 tháng là 27,1% (KTC 95% 22,8 - 32,1). Hai yếu tố liên quan độc lập với tái phát là: ung thư giai đoạn tiến xa (FIGO III - IV) (HR = 2,62; KTC 95% 1,54 - 4,47) và tổng số chu kỳ hóa trị > 6 (HR = 1,66; KTC 95% 1,01 - 2,70). Kết luận: Tỉ lệ tái phát UTBMBT là 32,8%. Ung thư giai đoạn tiến xa và tổng số chu kỳ hóa trị > 6 làm tăng nguy cơ tái phát
Chi tiết bài viết
Từ khóa
ung thư buồng trứng biểu mô, tái phát, các yếu tố liên quan, KELIM
Tài liệu tham khảo
2. Tang X, He J, Huang Q, Chen Y, Chen K, Liu J, et al. Development and validation of a nomogram to predict recurrence in epithelial ovarian cancer using complete blood count and lipid profiles. Front Oncol. 2025;15:1525867. doi: 10.3389/fonc.2025.1525867.
3. Zhou L, Hong H, Chu F, Chen X, Wang C. Predicting the Recurrence of Ovarian Cancer Based on Machine Learning. Cancer Manag Res. 2024;16:1375-87. doi: 10.2147/cmar.S482837.
4. Yang LR, Yang M, Chen LL, Shen YL, He Y, Meng ZT, et al. Machine learning for epithelial ovarian cancer platinum resistance recurrence identification using routine clinical data. Front Oncol. 2024;14: 1457294. doi: 10.3389/ fonc.2024.1457294.
5. Yang J, Ma J, Jin Y, Cheng S, Huang S, Zhang N, et al. Development and validation for prognostic nomogram of epithelial ovarian cancer recurrence based on circulating tumor cells and epithelial-mesenchymal transition. Sci Rep. 2021;11(1): 6540. doi: 10.1038/s41598-021-86122-4.
6. Wu Y, Gao Y, Chen L, Jin X, Chen P, Mo Q. Prognostic implications of tumour-infiltrating lymphocytes for recurrence in epithelial ovarian cancer. Clin Exp Immunol. 2021;206(1):36-46. doi: 10.1111/cei.13639.
7. Eisenhauer EA, Therasse P, Bogaerts J, Schwartz LH, Sargent D, Ford R, et al. New response evaluation criteria in solid tumours: revised RECIST guideline (version 1.1). Eur J Cancer. 2009;45(2): 228-47. doi: 10.1016/ j.ejca.2008.10.026.
8. You B, Sehgal V, Hosmane B, Huang X, Ansell PJ, Dinh MH, et al. CA-125 KELIM as a Potential Complementary Tool for Predicting Veliparib Benefit: An Exploratory Analysis From the VELIA/GOG-3005 Study. J Clin Oncol. 2023;41(1):107-16. doi: 10.1200/jco.22.00430.
9. Ozga M, Aghajanian C, Myers-Virtue S, McDonnell G, Jhanwar S, Hichenberg S, et al. A systematic review of ovarian cancer and fear of recurrence. Palliat Support Care. 2015;13(6): 1771-80. doi: 10.1017/s1478951515000127.