Derrames pleurales malignos metastásicos: predictores de supervivencia

dc.contributor.advisorValdés Cuadrado, Luis
dc.contributor.advisorFerreiro Fernández, Lucía
dc.contributor.affiliationUniversidade de Santiago de Compostela. Escola de Doutoramento Internacional (EDIUS)
dc.contributor.authorSuárez Antelo, Juan
dc.date.accessioned2025-05-13T07:09:06Z
dc.date.available2025-05-13T07:09:06Z
dc.date.issued2025
dc.description.abstractUn pronóstico preciso e individualizado en el momento de la presentación del derrame pleural maligno que estime adecuadamente la supervivencia puede ayudar a personalizar las estrategias terapéuticas. Sin embargo, los factores que condicionan la mortalidad en estos casos no están bien establecidos. Disponer de un modelo predictivo basado en datos clínicos y biomarcadores analíticos, con capacidad de predecir la expectativa de vida, sería de gran relevancia clínica, ya que podría ayudar a aplicar la mejor estrategia terapéutica en cada caso. El objetivo principal del estudio fue desarrollar un modelo predictivo de supervivencia en los pacientes con un derrame pleural maligno metastásico (DPMM) que permita elegir la mejor estrategia terapéutica en cada enfermo. El objetivo secundario fue comparar la rentabilidad del modelo construido con el obtenido con el score LENT (el modelo referente actual) y el Eastern Cooperative Oncology Group performance status (ECOG PS).
dc.description.programaUniversidade de Santiago de Compostela. Programa de Doutoramento en Investigación Clínica en Medicina
dc.identifier.urihttps://hdl.handle.net/10347/41385
dc.language.isospa
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internationalen
dc.rights.accessRightsopen access
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectderrame pleural maligno metastático
dc.subjectmodelos predictivos
dc.subjectanálisis de supervivencia
dc.subjectcélula maligna subyacente
dc.subject.classification320508 Enfermedades pulmonares
dc.titleDerrames pleurales malignos metastásicos: predictores de supervivencia
dc.typedoctoral thesis
dspace.entity.typePublication
relation.isAdvisorOfPublicationb5498c93-cc3c-4039-98b9-164a7d2aed56
relation.isAdvisorOfPublication.latestForDiscoveryb5498c93-cc3c-4039-98b9-164a7d2aed56

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
rep_3684.pdf
Size:
15 MB
Format:
Adobe Portable Document Format