Compartir
array:24 [ "pii" => "S2253654X2300001X" "issn" => "2253654X" "doi" => "10.1016/j.remn.2023.01.001" "estado" => "S300" "fechaPublicacion" => "2023-07-01" "aid" => "1418" "copyright" => "Sociedad Española de Medicina Nuclear e Imagen Molecular" "copyrightAnyo" => "2023" "documento" => "article" "crossmark" => 1 "subdocumento" => "fla" "cita" => "Rev Esp Med Nucl Imagen Mol. 2023;42:223-30" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:1 [ "total" => 0 ] "Traduccion" => array:1 [ "en" => array:19 [ "pii" => "S2253808923000010" "issn" => "22538089" "doi" => "10.1016/j.remnie.2023.01.001" "estado" => "S300" "fechaPublicacion" => "2023-07-01" "aid" => "1418" "copyright" => "Sociedad Española de Medicina Nuclear e Imagen Molecular" "documento" => "article" "crossmark" => 1 "subdocumento" => "fla" "cita" => "Rev Esp Med Nucl Imagen Mol. 2023;42:223-30" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:1 [ "total" => 0 ] "en" => array:13 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Original Article</span>" "titulo" => "Primary tumor heterogeneity on pretreatment <span class="elsevierStyleSup">18</span>F-FDG PET/CT to predict outcome in patients with rectal cancer who underwent surgery after neoadjuvant therapy" "tienePdf" => "en" "tieneTextoCompleto" => "en" "tieneResumen" => array:2 [ 0 => "en" 1 => "es" ] "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "223" "paginaFinal" => "230" ] ] "titulosAlternativos" => array:1 [ "es" => array:1 [ "titulo" => "Heterogeneidad del tumor primario en la <span class="elsevierStyleSup">18</span>F-FDG PET/TC pretratamiento para predecir el pronóstico en pacientes con cáncer de recto sometidos a cirugía tras terapia neoadyuvante" ] ] "contieneResumen" => array:2 [ "en" => true "es" => true ] "contieneTextoCompleto" => array:1 [ "en" => true ] "contienePdf" => array:1 [ "en" => true ] "resumenGrafico" => array:2 [ "original" => 0 "multimedia" => array:8 [ "identificador" => "fig0005" "etiqueta" => "Figure 1" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr1.jpeg" "Alto" => 1755 "Ancho" => 3341 "Tamanyo" => 543680 ] ] "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at0005" "detalle" => "Figure " "rol" => "short" ] ] "descripcion" => array:1 [ "en" => "<p id="spar0005" class="elsevierStyleSimplePara elsevierViewall">Texture analysis of <span class="elsevierStyleSup">18</span>FDG PET images using LİFEx software<a class="elsevierStyleCrossRef" href="#bib0070"><span class="elsevierStyleSup">14</span></a>.</p> <p id="spar0010" class="elsevierStyleSimplePara elsevierViewall">Patient images were uploaded in DİCOM format. Volume of interests (VOİ) of primary rectal tumors were drawn semi-automatically by using three-dimensional (3D) VOİ tool (purple box on the right panel). Primary tumor lesions were segmented by using 40% of the maximum value in the VOI as a threshold (blue box on the right panel). Texture features were extracted from tumor VOIs using Texture Feature Extraction section (yellow box on the top panel).</p>" ] ] ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "Seda Gülbahar Ateş, Gülay Bilir Dilek, Gülin Uçmak" "autores" => array:3 [ 0 => array:2 [ "nombre" => "Seda" "apellidos" => "Gülbahar Ateş" ] 1 => array:2 [ "nombre" => "Gülay" "apellidos" => "Bilir Dilek" ] 2 => array:2 [ "nombre" => "Gülin" "apellidos" => "Uçmak" ] ] ] ] ] "idiomaDefecto" => "en" "Traduccion" => array:1 [ "es" => array:9 [ "pii" => "S2253654X2300001X" "doi" => "10.1016/j.remn.2023.01.001" "estado" => "S300" "subdocumento" => "" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:1 [ "total" => 0 ] "idiomaDefecto" => "es" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2253654X2300001X?idApp=UINPBA00004N" ] ] "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2253808923000010?idApp=UINPBA00004N" "url" => "/22538089/0000004200000004/v1_202307170957/S2253808923000010/v1_202307170957/en/main.assets" ] ] "itemSiguiente" => array:19 [ "pii" => "S2253654X23000252" "issn" => "2253654X" "doi" => "10.1016/j.remn.2023.02.001" "estado" => "S300" "fechaPublicacion" => "2023-07-01" "aid" => "1429" "copyright" => "Sociedad Española de Medicina Nuclear e Imagen Molecular" "documento" => "article" "crossmark" => 1 "subdocumento" => "fla" "cita" => "Rev Esp Med Nucl Imagen Mol. 2023;42:231-7" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:1 [ "total" => 0 ] "es" => array:13 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Original</span>" "titulo" => "Explorando la opinión de los especialistas españoles acerca de la utilidad de la radiómica en el área oncológica" "tienePdf" => "es" "tieneTextoCompleto" => "es" "tieneResumen" => array:2 [ 0 => "es" 1 => "en" ] "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "231" "paginaFinal" => "237" ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Exploring the opinion of Spanish medical specialists about the usefulness of radiomics in oncology" ] ] "contieneResumen" => array:2 [ "es" => true "en" => true ] "contieneTextoCompleto" => array:1 [ "es" => true ] "contienePdf" => array:1 [ "es" => true ] "resumenGrafico" => array:2 [ "original" => 0 "multimedia" => array:7 [ "identificador" => "fig0005" "etiqueta" => "Figura 1" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr1.jpeg" "Alto" => 1157 "Ancho" => 2508 "Tamanyo" => 324963 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0045" class="elsevierStyleSimplePara elsevierViewall">Análisis de las respuestas a la pregunta abierta «¿Cuál cree que es la principal desventaja en el uso de la radiómica y otras tecnologías de IA en medicina?». A) Recuento de las 10 palabras más frecuentes. B) Nube de palabras, donde el tamaño de cada palabra es una representación de su frecuencia dentro del texto respecto del total de respuestas.</p>" ] ] ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "P.M. Cárcamo Ibarra, U.A. López González, A. Esteban Hurtado, N. Orrego Castro, S. Diez Domingo" "autores" => array:5 [ 0 => array:2 [ "nombre" => "P.M." "apellidos" => "Cárcamo Ibarra" ] 1 => array:2 [ "nombre" => "U.A." "apellidos" => "López González" ] 2 => array:2 [ "nombre" => "A." "apellidos" => "Esteban Hurtado" ] 3 => array:2 [ "nombre" => "N." "apellidos" => "Orrego Castro" ] 4 => array:2 [ "nombre" => "S." "apellidos" => "Diez Domingo" ] ] ] ] ] "idiomaDefecto" => "es" "Traduccion" => array:1 [ "en" => array:9 [ "pii" => "S2253808923000253" "doi" => "10.1016/j.remnie.2023.02.008" "estado" => "S300" "subdocumento" => "" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:1 [ "total" => 0 ] "idiomaDefecto" => "en" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2253808923000253?idApp=UINPBA00004N" ] ] "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2253654X23000252?idApp=UINPBA00004N" "url" => "/2253654X/0000004200000004/v2_202311010733/S2253654X23000252/v2_202311010733/es/main.assets" ] "itemAnterior" => array:19 [ "pii" => "S2253654X22001883" "issn" => "2253654X" "doi" => "10.1016/j.remn.2022.11.002" "estado" => "S300" "fechaPublicacion" => "2023-07-01" "aid" => "1413" "copyright" => "Sociedad Española de Medicina Nuclear e Imagen Molecular" "documento" => "article" "crossmark" => 1 "subdocumento" => "fla" "cita" => "Rev Esp Med Nucl Imagen Mol. 2023;42:218-22" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:1 [ "total" => 0 ] "es" => array:13 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Original</span>" "titulo" => "Valoración del tromboembolismo pulmonar relacionado con infección SARS-CoV-2 activa en pacientes embarazadas" "tienePdf" => "es" "tieneTextoCompleto" => "es" "tieneResumen" => array:2 [ 0 => "es" 1 => "en" ] "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "218" "paginaFinal" => "222" ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Assessment of pulmonary embolism related to active SARS-CoV-2 infection in pregnant women" ] ] "contieneResumen" => array:2 [ "es" => true "en" => true ] "contieneTextoCompleto" => array:1 [ "es" => true ] "contienePdf" => array:1 [ "es" => true ] "resumenGrafico" => array:2 [ "original" => 0 "multimedia" => array:7 [ "identificador" => "fig0010" "etiqueta" => "Figura 2" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr2.jpeg" "Alto" => 1972 "Ancho" => 2000 "Tamanyo" => 194544 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0050" class="elsevierStyleSimplePara elsevierViewall">Cortes axial, coronal y sagital de la gammagrafía realizada a la paciente 3 que revela un defecto de captación en segmento inferior de língula (A, marrón), atribuible a área de neumonía (B, flecha), con progresión radiológica en los siguientes 3 días (C).</p>" ] ] ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "A. Moreno-Ballesteros, Á.C. Rebollo-Aguirre, I. Bolívar-Roldán, T. Busquier, E. Sanchez-de Mora, A. Jimenez-Heffernan" "autores" => array:6 [ 0 => array:2 [ "nombre" => "A." "apellidos" => "Moreno-Ballesteros" ] 1 => array:2 [ "nombre" => "Á.C." "apellidos" => "Rebollo-Aguirre" ] 2 => array:2 [ "nombre" => "I." "apellidos" => "Bolívar-Roldán" ] 3 => array:2 [ "nombre" => "T." "apellidos" => "Busquier" ] 4 => array:2 [ "nombre" => "E." "apellidos" => "Sanchez-de Mora" ] 5 => array:2 [ "nombre" => "A." "apellidos" => "Jimenez-Heffernan" ] ] ] ] ] "idiomaDefecto" => "es" "Traduccion" => array:1 [ "en" => array:9 [ "pii" => "S2253808923000150" "doi" => "10.1016/j.remnie.2023.02.002" "estado" => "S300" "subdocumento" => "" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:1 [ "total" => 0 ] "idiomaDefecto" => "en" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2253808923000150?idApp=UINPBA00004N" ] ] "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2253654X22001883?idApp=UINPBA00004N" "url" => "/2253654X/0000004200000004/v2_202311010733/S2253654X22001883/v2_202311010733/es/main.assets" ] "es" => array:21 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Original</span>" "titulo" => "Heterogeneidad del tumor primario en la<span class="elsevierStyleSup">18</span>F-FDG PET/TC pretratamiento para predecir el pronóstico en pacientes con cáncer de recto sometidos a cirugía tras terapia neoadyuvante" "tieneTextoCompleto" => true "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "223" "paginaFinal" => "230" ] ] "autores" => array:1 [ 0 => array:4 [ "autoresLista" => "S. Gülbahar Ateş, G. Bilir Dilek, G. Uçmak" "autores" => array:3 [ 0 => array:4 [ "nombre" => "S." "apellidos" => "Gülbahar Ateş" "email" => array:1 [ 0 => "sdsdglbhr@gmail.com" ] "referencia" => array:2 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "aff0005" ] 1 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">*</span>" "identificador" => "cor0005" ] ] ] 1 => array:3 [ "nombre" => "G." "apellidos" => "Bilir Dilek" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">b</span>" "identificador" => "aff0010" ] ] ] 2 => array:3 [ "nombre" => "G." "apellidos" => "Uçmak" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "aff0005" ] ] ] ] "afiliaciones" => array:2 [ 0 => array:3 [ "entidad" => "Servicio de Medicina Nuclear, Hospital de Formación e Investigación en Oncología de Ankara Dr. Abdurrahman Yurtaslan, Universidad de Ciencias de la Salud, Ankara, Turquía" "etiqueta" => "a" "identificador" => "aff0005" ] 1 => array:3 [ "entidad" => "Servicio de Anatomía Patológica, Hospital de Formación e Investigación en Oncología de Ankara Dr. Abdurrahman Yurtaslan, Universidad de Ciencias de la Salud, Ankara, Turquía" "etiqueta" => "b" "identificador" => "aff0010" ] ] "correspondencia" => array:1 [ 0 => array:3 [ "identificador" => "cor0005" "etiqueta" => "⁎" "correspondencia" => "Autor para correspondencia." ] ] ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Primary tumor heterogeneity on pretreatment<span class="elsevierStyleSup">18</span>F-FDG PET/CT to predict outcome in patients with rectal cancer who underwent surgery after neoadjuvant therapy" ] ] "resumenGrafico" => array:2 [ "original" => 0 "multimedia" => array:7 [ "identificador" => "fig0005" "etiqueta" => "Figura 1" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr1.jpeg" "Alto" => 1755 "Ancho" => 3341 "Tamanyo" => 543989 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0045" class="elsevierStyleSimplePara elsevierViewall">Análisis de textura de imágenes PET-FDG utilizando el <span class="elsevierStyleItalic">software</span> LİFEx<a class="elsevierStyleCrossRef" href="#bib0235"><span class="elsevierStyleSup">14</span></a>. Las imágenes de los pacientes se cargaron en formato DİCOM. Los volúmenes de interés (VOİ) de los tumores rectales primarios se dibujaron de forma semiautomática mediante el uso de la herramienta VOİ tridimensional (3D) (cuadro púrpura en el panel derecho). Las lesiones tumorales primarias se segmentaron utilizando el 40% del valor máximo en el VOI como umbral (recuadro azul en el panel derecho). Las características de textura se extrajeron de los VOI tumorales utilizando la sección de extracción de características de textura (cuadro amarillo en el panel superior).</p>" ] ] ] "textoCompleto" => "<span class="elsevierStyleSections"><span id="sec0005" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0065">Introducción</span><p id="par0005" class="elsevierStylePara elsevierViewall">El cáncer colorrectal es el tercer cáncer más común, y la segunda causa principal de muerte relacionada con el cáncer en todo el mundo<a class="elsevierStyleCrossRef" href="#bib0170"><span class="elsevierStyleSup">1</span></a>. Si bien la incidencia del cáncer de recto en las poblaciones especialmente más jóvenes ha aumentado en los últimos años, su tasa de mortalidad ha disminuido debido al diagnóstico precoz y los protocolos de tratamiento avanzados<a class="elsevierStyleCrossRef" href="#bib0175"><span class="elsevierStyleSup">2</span></a>. El cáncer de recto localmente avanzado (CRLA) sigue siendo una razón importante de morbimortalidad relacionadas con el cáncer. La determinación de la enfermedad con un mal pronóstico es crítica en términos de manejo del tratamiento en el momento del diagnóstico.</p><p id="par0010" class="elsevierStylePara elsevierViewall">Los factores pronósticos en pacientes con cáncer de recto se han investigado en muchos estudios, y se han determinado diversas características pronósticas clínico-patológicas. Sin embargo, el manejo del paciente todavía se basa en el sistema de estadificación TNM. Las respuestas al tratamiento y el pronóstico de los pacientes con cáncer de recto pueden ser diferentes incluso en el mismo estadio TNM<a class="elsevierStyleCrossRef" href="#bib0180"><span class="elsevierStyleSup">3</span></a>. La determinación de los pacientes con mal pronóstico y/o malas respuestas al tratamiento podría cambiar su manejo. El protocolo de tratamiento podría intensificarse de pacientes con un mayor riesgo de mala respuesta o protocolos terapéuticos innecesarios e ineficaces en ciertos pacientes.</p><p id="par0015" class="elsevierStylePara elsevierViewall">Existen varios estudios sobre el valor pronóstico de los valores metabólicos semicuantitativos convencionales (valor máximo estandarizado de captación [SUVmáx], volumen metabólico tumoral [MTV], glucólisis total de la lesión [TLG], etc.) derivados de la PET/TC con [<span class="elsevierStyleSup">18</span>F]FDG. Algunos estudios han demostrado su importancia pronóstica, pero los resultados son contradictorios<a class="elsevierStyleCrossRefs" href="#bib0185"><span class="elsevierStyleSup">4,5</span></a>. La radiómica es un enfoque prometedor para la oncología en la era de la medicina personalizada. La radiómica proporciona la extracción de alto rendimiento de grandes cantidades de características cuantitativas de imágenes médicas utilizando <span class="elsevierStyleItalic">software</span> automatizados o semiautomatizados<a class="elsevierStyleCrossRef" href="#bib0195"><span class="elsevierStyleSup">6</span></a>. El análisis de textura, que es una técnica destacada de la radiómica, se refiere a varios métodos matemáticos que pueden aplicarse para describir las relaciones entre la intensidad del nivel de gris de los píxeles o vóxeles y su posición dentro de una imagen<a class="elsevierStyleCrossRef" href="#bib0200"><span class="elsevierStyleSup">7</span></a>. Las características de la textura pueden sugerir alguna información, como la heterogeneidad espacial del tumor, que está relacionada con las características del tumor.</p><p id="par0020" class="elsevierStylePara elsevierViewall">Los tumores malignos presentan heterogeneidad biológica intratumoral asociada con características celulares y moleculares<a class="elsevierStyleCrossRef" href="#bib0200"><span class="elsevierStyleSup">7</span></a>. Se sabe que la heterogeneidad tumoral es una entidad significativa para la resistencia al tratamiento y el mal pronóstico en las enfermedades oncológicas<a class="elsevierStyleCrossRef" href="#bib0205"><span class="elsevierStyleSup">8</span></a>. La identificación, caracterización y, posiblemente, tratamiento de la heterogeneidad tumoral son desafíos clave en oncología<a class="elsevierStyleCrossRefs" href="#bib0210"><span class="elsevierStyleSup">9,10</span></a>. La evaluación no invasiva de la heterogeneidad tumoral mediante el análisis de texturas podría desempeñar un papel fundamental en el tratamiento del cáncer. El número de estudios que se ha centrado solo en los pacientes con cáncer de recto que se sometieron a cirugía después del tratamiento neoadyuvante (TNA) es limitado<a class="elsevierStyleCrossRefs" href="#bib0220"><span class="elsevierStyleSup">11-13</span></a>. Este estudio tuvo como objetivo investigar el valor de las características de textura de los tumores primarios sobre las imágenes de estadificación de PET/TC con [<span class="elsevierStyleSup">18</span>F]FDG en la predicción de la respuesta al tratamiento, la progresión y la supervivencia general en pacientes con cáncer de recto que se sometieron a cirugía después de TNA.</p></span><span id="sec0010" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0070">Material y métodos</span><span id="sec0015" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0075">Población de pacientes</span><p id="par0025" class="elsevierStylePara elsevierViewall">Este estudio retrospectivo fue aprobado por el comité de ética local (n.°: 2022-02/45), y se renunció al requisito del consentimiento informado. Cuarenta y cuatro pacientes con adenocarcinoma de recto que tenían una PET/TC con [<span class="elsevierStyleSup">18</span>F]FDG pretratamiento <span class="elsevierStyleSup">18</span>F-FDG PET/TC, y se sometieron a cirugía después de NAT entre 2014 y 2021 fueron incluidos en este estudio. Los pacientes que no recibieron NAT y/o se sometieron a cirugía fueron excluidos del estudio. Los pacientes que tenían metástasis en el momento del diagnóstico y la segunda enfermedad maligna primaria fueron excluidos del estudio.</p></span><span id="sec0020" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0080">Características clínicopatológicas</span><p id="par0030" class="elsevierStylePara elsevierViewall">Las características demográficas y las historias clínicas de los pacientes fueron evaluadas a partir del sistema de información hospitalaria. Se registraron las características histopatológicas del tumor. Los grados de regresión tumoral patológica se clasificaron como respondedores (regresión completa/casi completa) y no respondedores (regresión moderada/mínima/sin regresión) a la TNA. Los pacientes fueron seguidos hasta la progresión, la muerte o la última visita médica. El tiempo de seguimiento se calculó desde la fecha de la PET/TC hasta la fecha de progresión, muerte, pérdida durante el seguimiento o última visita médica. Los seguimientos de los pacientes se llevaron a cabo mediante imágenes radiológicas, de PET/TC con [<span class="elsevierStyleSup">18</span>F]FDG o los hallazgos clínicos.</p></span><span id="sec0025" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0085">Adquisición de PET/TC</span><p id="par0035" class="elsevierStylePara elsevierViewall">Todos los pacientes habían ayunado durante al menos 6<span class="elsevierStyleHsp" style=""></span>h antes de los estudios de PET/TC con [<span class="elsevierStyleSup">18</span>F]FDG. Los niveles de glucosa sérica medidos en el momento de la inyección de [<span class="elsevierStyleSup">18</span>F]FDG fueron inferiores a 150<span class="elsevierStyleHsp" style=""></span>mg/dl. Se administró por vía intravenosa a una dosis de 5,5<span class="elsevierStyleHsp" style=""></span>MBq/kg de peso corporal de [<span class="elsevierStyleSup">18</span>F]FDG. Las imágenes de PET/TC se obtuvieron mediante el dispositivo PET/TC tridimensional Siemens Biograph® TruePoint® 6, 60<span class="elsevierStyleHsp" style=""></span>min después de la inyección de [<span class="elsevierStyleSup">18</span>F]FDG. Se obtuvieron imágenes simultáneas en la misma sesión con el tomógrafo PET y el tomógrafo TC multidetector con cortes de 3<span class="elsevierStyleHsp" style=""></span>mm. Se utilizaron imágenes de TC de baja dosis sin contraste yodado intravenoso para la corrección de la atenuación y la correlación anatómica.</p></span><span id="sec0030" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0090">Análisis de imágenes</span><p id="par0040" class="elsevierStylePara elsevierViewall">Todas las imágenes de PET/TC se cargaron en el <span class="elsevierStyleItalic">software</span> Local Images Features Extraction (LİFEx) versión 7.1.13<a class="elsevierStyleCrossRef" href="#bib0235"><span class="elsevierStyleSup">14</span></a>. En las imágenes PET, las regiones de interés (ROI) fueron dibujadas manualmente por dos especialistas expertos en medicina nuclear para cubrir todo el volumen de los tumores rectales primarios y fueron presentadas utilizando un umbral del 40% del SUVmáx (<a class="elsevierStyleCrossRef" href="#fig0005">fig. 1</a>). Se midieron los parámetros convencionales de PET como SUVmáx, SUVmedio, MTV y TLG. LIFEx se ejecutó utilizando los siguientes parámetros de entrada: 64 niveles de gris para volver a muestrear el contenido de la ROI que se realizó utilizando un remuestreo absoluto en 64 contenedores y unidades SUV entre un mínimo de 0 y un máximo de 40. El remuestreo espacial se estableció en 4<span class="elsevierStyleHsp" style=""></span>×<span class="elsevierStyleHsp" style=""></span>4<span class="elsevierStyleHsp" style=""></span>×<span class="elsevierStyleHsp" style=""></span>4<span class="elsevierStyleHsp" style=""></span>mm. Las características extraídas de las imágenes PET contienen parámetros de primer orden (histograma, convencional, discretizado) y parámetros de textura de segundo orden (matriz de co-ocurrencia de nivel de gris (GLCM), matriz de longitud de ejecución de nivel de gris (GLRLM), matriz de diferencia de nivel de gris de vecindad (NGLDM), matriz de longitud de zona de nivel de gris (GLZLM) (resumida en la <a class="elsevierStyleCrossRef" href="#tbl0005">tabla 1</a>).</p><elsevierMultimedia ident="fig0005"></elsevierMultimedia><elsevierMultimedia ident="tbl0005"></elsevierMultimedia><p id="par0045" class="elsevierStylePara elsevierViewall">Los parámetros de textura obtenidos de las estadísticas de primer orden reflejan solo la distribución de frecuencia del valor de vóxel. El segundo enfoque explica la disposición espacial de los valores de vóxel dentro del tumor que describe esta organización espacial. Los índices de textura GLCLM tienen en cuenta la disposición de pares de vóxeles, mientras que los índices de textura NGLDM corresponden a la diferencia de niveles de gris entre un vóxel y sus vecinos. Los índices GLRLM dan el tamaño de las corridas homogéneas para cada nivel de gris, mientras que los índices GLZLM proporcionan información sobre el tamaño de las zonas homogéneas para cada nivel de gris en 3 o 2 dimensiones. Los detalles de los diferentes parámetros de textura estaban en la guía de usuario del <span class="elsevierStyleItalic">software</span> LİFEx<a class="elsevierStyleCrossRef" href="#bib0240"><span class="elsevierStyleSup">15</span></a>.</p></span><span id="sec0035" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0095">Análisis estadístico</span><p id="par0050" class="elsevierStylePara elsevierViewall">El análisis estadístico se realizó utilizando el programa SPSS® versión 21. Los valores de corte óptimos se determinaron mediante el índice de Youden (sensibilidad+especificidad-1) obtenido de los análisis de la curva ROC para cada resultado (respuesta al tratamiento a la TNA, progresión y mortalidad). Los parámetros convencionales de PET y las características de textura se dividieron en dos grupos en función de los valores de corte óptimos. Se realizaron análisis de regresión logística para determinar predictores de respuesta al tratamiento con TNA en análisis univariados y multivariados, mientras que se realizaron análisis de regresión de Cox para determinar predictores de mortalidad y progresión. Las variables altamente correlacionadas cuyo coeficiente de correlación era superior a 0,7 se eliminaron de los análisis para prevenir la multicolinealidad. Se realizaron análisis de regresión univariada para cada parámetro y variable, y aquellos con un valor de p inferior a 0,05 o cercano a 0,05 se incluyeron en el análisis multivariado. El análisis de supervivencia se realizó mediante el método de Kaplan-Meier. Se utilizó un nivel de error tipo 1 general del 5% para inferir la significación estadística.</p></span></span><span id="sec0040" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0100">Resultados</span><p id="par0055" class="elsevierStylePara elsevierViewall">Se incluyeron 44 pacientes en este estudio. Las características clínico-patológicas de los pacientes se muestran en la <a class="elsevierStyleCrossRef" href="#tbl0010">tabla 2</a>. La duración media desde la PET/TC hasta la cirugía fue de 4,1<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>0,8 meses. La mediana de duración del seguimiento fue de 29,9 meses (rango intercuartílico: 33,6). De los 44 pacientes, 9 (20,5%) mostraron progresión de la enfermedad (n<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>4 aparición de metástasis; n<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>2 recurrencia local; n<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>3 metástasis y recurrencia local) y 8 (18,2%) murieron por razones relacionadas con el cáncer durante el período de seguimiento.</p><elsevierMultimedia ident="tbl0010"></elsevierMultimedia><span id="sec0045" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0105">Respuesta al tratamiento a la terapia neoadyuvante</span><p id="par0060" class="elsevierStylePara elsevierViewall">Los parámetros encontrados significativamente asociados con la respuesta del tratamiento a TNA en los análisis univariados y multivariados se mostraron en la <a class="elsevierStyleCrossRef" href="#tbl0015">tabla 3</a>. Los resultados univariados de las características no significativamente asociadas con una respuesta deficiente a la terapia se dan en la <a class="elsevierStyleCrossRef" href="#sec0080">tabla 1 suplementaria</a>. Los valores de SUVmáx (p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,027), MTV (p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,049) y TLG (p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,027) y algunos parámetros de textura de los tumores rectales primarios se asociaron significativamente con la respuesta a la TNA en los análisis univariados. El análisis multivariado mostró que solo la diferencia de entropía GLCM y los parámetros<span class="elsevierStyleInf">GLCM</span> de correlación se asociaron significativamente con la respuesta a la TNA.</p><elsevierMultimedia ident="tbl0015"></elsevierMultimedia></span><span id="sec0050" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0110">Supervivencia libre de progresión</span><p id="par0065" class="elsevierStylePara elsevierViewall">La mediana de supervivencia libre de progresión (PFS) no se alcanzó al final del estudio. La PFS fue del 94,8% a un año, del 85,4% a 2 años y del 71% a 3 años. El estadio pN2 (p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,017), el margen quirúrgico positivo (p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,003), la mayor TLG (p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,044) y algunos parámetros de textura se asociaron con la progresión en pacientes con cáncer de recto en el análisis univariado (<a class="elsevierStyleCrossRef" href="#tbl0020">tabla 4</a>). Los resultados univariados de las características no significativamente asociadas con la PFS se dan en la <a class="elsevierStyleCrossRef" href="#sec0080">tabla complementaria 2</a>. En el análisis multivariado, la positividad del margen quirúrgico, el rango intercuartílico de intensidad<span class="elsevierStyleInf">CONV</span> y los parámetros de textura AUC-CSH<span class="elsevierStyleInf">DISC</span> (el área bajo la curva-histograma acumulativo de volumen SUV) fueron predictores independientes de progresión en los pacientes con cáncer de recto.</p><elsevierMultimedia ident="tbl0020"></elsevierMultimedia></span><span id="sec0055" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0115">Supervivencia global</span><p id="par0070" class="elsevierStylePara elsevierViewall">La mediana de supervivencia global (OS) no se alcanzó al final del estudio. Se encontró que la OS fue del 97,7% a un año, del 94,9% a los 2 años, del 88,2% a los 3 años y del 72,2% a los 5 años. Los parámetros significativamente asociados con la mortalidad en los análisis univariados y multivariados se mostraron en la <a class="elsevierStyleCrossRef" href="#tbl0025">tabla 5</a>. En los análisis univariados, la etapa pN1, el MTV menor de 20,5 y algunos parámetros de textura se asociaron significativamente con la mortalidad. Se encontraron parámetros<span class="elsevierStyleInf">GLCM</span> y LZLGE<span class="elsevierStyleInf">GLZLM</span> de diferencia inversa normalizada como predictores independientes de mortalidad en pacientes con cáncer de recto. Los resultados univariados de las características no significativamente asociadas con la OS se proporcionan en la <a class="elsevierStyleCrossRef" href="#sec0080">tabla 3 suplementaria</a>.</p><elsevierMultimedia ident="tbl0025"></elsevierMultimedia></span></span><span id="sec0060" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0120">Discusión</span><p id="par0075" class="elsevierStylePara elsevierViewall">En el presente estudio, se evaluaron conjuntamente las características clínico-patológicas, los parámetros convencionales y texturales de la PET para predecir una respuesta pobre a la terapia, la PFS y la OS en los pacientes con adenocarcinoma de recto que se sometieron a cirugía después de la TNA. Se encontró que particularmente solo algunos parámetros de textura fueron predictores independientes de estos resultados. Los parámetros de textura seleccionados obtenidos de las imágenes PET tuvieron un valor pronóstico robusto para los pacientes con cáncer de recto que se sometieron a cirugía después de TNA.</p><p id="par0080" class="elsevierStylePara elsevierViewall">Muchos estudios han intentado demostrar el valor pronóstico potencial de los parámetros PET convencionales de los tumores rectales primarios con resultados contradictorios<a class="elsevierStyleCrossRefs" href="#bib0245"><span class="elsevierStyleSup">16–19</span></a>. En este estudio, la TLG y el MTV se asociaron con la PFS y la OS en el análisis univariado, respectivamente. Sin embargo, ninguno de estos se reveló como factor pronóstico independiente en los análisis multivariados. Asimismo, el estudio de Hotta et al. demostró que el MTV y la TLG se asociaron tanto con la OS como con la PFS y también la SUVmáx se relacionó con la PFS solo en análisis univariado en pacientes con cáncer de recto que se sometieron a cirugía<a class="elsevierStyleCrossRef" href="#bib0220"><span class="elsevierStyleSup">11</span></a>. Sin embargo, el estudio sobre los parámetros volumétricos de la PET de Choi et al. mostró que el MTV y la TLG eran predictores independientes de PFS y de OS en pacientes con cáncer de recto<a class="elsevierStyleCrossRef" href="#bib0260"><span class="elsevierStyleSup">19</span></a>. Por el contrario, Lovinfosse et al. encontraron que ninguna de las características convencionales de PET se asoció significativamente con la PFS, y solo el SUVmedio fue un predictor independiente de OS entre los parámetros convencionales de PET en pacientes con CRLA<a class="elsevierStyleCrossRef" href="#bib0265"><span class="elsevierStyleSup">20</span></a>. En este estudio, de manera similar a la literatura<a class="elsevierStyleCrossRefs" href="#bib0225"><span class="elsevierStyleSup">12,20,21</span></a>, los valores más altos de MTV y TLG se asociaron con una mala respuesta a la terapia. Además de estos estudios, se encontró que un SUVmáx más alto se relacionó con una respuesta deficiente al tratamiento. El MTV y la TLG son parámetros volumétricos metabólicos que reflejan la carga tumoral metabólica, mientras que el SUVmáx representa la captación de FDG e indirectamente la agresividad tumoral. Estos parámetros semicuantitativos pueden estar relacionados con la respuesta al tratamiento, pero ninguno de ellos fue un predictor independiente de la respuesta a la TNA. Estos resultados inconsistentes sobre los parámetros convencionales de PET pueden deberse a diferencias entre las poblaciones de pacientes y los diseños de estudio. Dados los diversos hallazgos, a pesar de la importancia pronóstica de los parámetros convencionales de PET, sus valores pronósticos definidos son contradictorios.</p><p id="par0085" class="elsevierStylePara elsevierViewall">El análisis de textura es una variedad de métodos matemáticos que se pueden aplicar para describir las relaciones entre la intensidad del nivel de gris de píxeles o vóxeles y su posición dentro de una imagen. Los parámetros de textura se obtienen principalmente mediante técnicas basadas en estadísticas, y los métodos estadísticos se clasifican en estadísticas de primer orden (un píxel), segundo y orden superior (2 y más píxeles).<a class="elsevierStyleCrossRef" href="#bib0200"><span class="elsevierStyleSup">7</span></a> Mientras que los parámetros de textura obtenidos de las estadísticas de primer orden reflejan solo la distribución de frecuencia del valor de vóxel, el segundo enfoque explica la disposición espacial de los valores de vóxel dentro del tumor que describe esta organización espacial<a class="elsevierStyleCrossRef" href="#bib0215"><span class="elsevierStyleSup">10</span></a>. Se planteó la hipótesis de que la distribución de captación dentro del tumor podría aportar más conocimiento sobre el tumor que un solo SUV o volumen tumoral<a class="elsevierStyleCrossRef" href="#bib0275"><span class="elsevierStyleSup">22</span></a>. Varios parámetros de textura pueden proporcionar una medida de la heterogeneidad intralesional<a class="elsevierStyleCrossRefs" href="#bib0200"><span class="elsevierStyleSup">7,23</span></a>. Aunque los significados de los parámetros de textura en términos de características biológicas aún no se conocen totalmente, se han investigado en diferentes neoplasias malignas, incluido el cáncer de recto, para determinar el diagnóstico del cáncer, el pronóstico y la evaluación de la respuesta al tratamiento. Hasta el momento, se dispone de un número limitado de estudios con pacientes con cáncer de recto para predecir el pronóstico<a class="elsevierStyleCrossRefs" href="#bib0220"><span class="elsevierStyleSup">11,13,19</span></a>.</p><p id="par0090" class="elsevierStylePara elsevierViewall">En el presente estudio, el AUC-CSH fue el parámetro más robusto entre las características de primer orden. El AUC-CSH se asoció con la respuesta a la TNA, la PFS y la OS en los análisis univariados; sin embargo, fue un predictor independiente solo de PFS en pacientes con cáncer de recto en el análisis multivariante. Se sabía que el AUC-CSH es un índice cuantitativo de heterogeneidad y/o respuesta heterogénea de captación de trazadores<a class="elsevierStyleCrossRef" href="#bib0285"><span class="elsevierStyleSup">24</span></a>. El estudio sobre el análisis de repetibilidad de las características en pacientes con cáncer de pulmón de células no pequeñas mostró que el AUC-CSH fue el parámetro más repetible entre las características de primer orden<a class="elsevierStyleCrossRef" href="#bib0290"><span class="elsevierStyleSup">25</span></a>. Además, en el presente estudio, los parámetros de primer orden del rango intercuartilíco de intensidad<span class="elsevierStyleInf">CONV</span>, de la energía basado en la intensidad<span class="elsevierStyleInf">CONV</span> y del histograma de la entropía log10<span class="elsevierStyleInf">DISC</span> se asociaron con una respuesta deficiente a la terapia y la PFS. La energía basada en la intensidad<span class="elsevierStyleInf">CONV</span> fue un predictor independiente de PFS en pacientes con cáncer de recto. Los parámetros energéticos reflejan la uniformidad de la distribución<a class="elsevierStyleCrossRef" href="#bib0240"><span class="elsevierStyleSup">15</span></a>. Una mayor energía basada en la intensidad<span class="elsevierStyleInf">CONV</span> se asoció con una PFS más prolongada en nuestro estudio, lo que podría apoyar la asociación entre la heterogeneidad tumoral y el resultado deficiente. Buvat et al. sugirieron que la entropía estadística de primer orden (derivada del histograma) es uno de los descriptores de heterogeneidad en los que se deben centrar los estudios<a class="elsevierStyleCrossRef" href="#bib0215"><span class="elsevierStyleSup">10</span></a>, y Desseroit et al. encontraron que era uno de los parámetros más confiables entre las características de primer orden<a class="elsevierStyleCrossRef" href="#bib0290"><span class="elsevierStyleSup">25</span></a>. Sin embargo, el histograma de entropía log10<span class="elsevierStyleInf">DISC</span> fue estadísticamente significativo solo en los análisis univariados de nuestro estudio.</p><p id="par0095" class="elsevierStylePara elsevierViewall">Bang et al. encontraron que la curtosis del gradiente absoluto (GrKurtosis), que es una característica de intensidad del histograma de primer orden, fue un predictor independiente de supervivencia libre de enfermedad a 3 años en pacientes con cáncer de recto<a class="elsevierStyleCrossRef" href="#bib0230"><span class="elsevierStyleSup">13</span></a>. Refleja el pico del gradiente en las imágenes<a class="elsevierStyleCrossRef" href="#bib0230"><span class="elsevierStyleSup">13</span></a>. El estudio de Lovinfosse et al. mostró que el exceso de curtosis se asoció con la supervivencia libre de enfermedad en el análisis univariado<a class="elsevierStyleCrossRef" href="#bib0265"><span class="elsevierStyleSup">20</span></a>. Nuestro estudio no ha mostrado asociación entre el exceso de curtosis de intensidad, la curtosis de intensidad y sus resultados. Las discrepancias entre los estudios podrían deberse al hecho de que algunos parámetros de textura de primer orden conducen a una repetibilidad y reproducibilidad deficientes<a class="elsevierStyleCrossRefs" href="#bib0290"><span class="elsevierStyleSup">25–27</span></a>. Los parámetros de primer orden no reflejan la disposición espacial de los vóxeles. Por lo tanto, debe considerarse mientras se incluyeron los parámetros de primer orden en futuros estudios sobre análisis de textura.</p><p id="par0100" class="elsevierStylePara elsevierViewall">La entropía<span class="elsevierStyleInf">GLCM</span>, que es uno de los parámetros de textura importantes de segundo orden, se ha examinado en muchos estudios. En el presente estudio, la entropía<span class="elsevierStyleInf">GLCM</span> se asoció significativamente con la respuesta a la TNA y la PFS solo en los análisis univariados. Sin embargo, la diferencia de entropía<span class="elsevierStyleInf">GLCM</span> se encontró como un predictor independiente para la respuesta a la TNA en nuestro estudio. En paralelo a nuestros resultados, Buvat et al. sugirieron que la diferencia de entropía<span class="elsevierStyleInf">GLCM</span> era uno de los descriptores de heterogeneidad más robustos<a class="elsevierStyleCrossRef" href="#bib0215"><span class="elsevierStyleSup">10</span></a>. La GLCM refleja la probabilidad de observar un par de valores en vóxeles a una distancia dada en una dirección dada, y la entropía es la aleatoriedad de los pares de vóxeles de nivel de gris<a class="elsevierStyleCrossRefs" href="#bib0240"><span class="elsevierStyleSup">15,28</span></a>. Los estudios sobre la robustez y reproducibilidad de los parámetros de textura confirmaron que la entropía<span class="elsevierStyleInf">GLCM</span> era uno de los parámetros más robustos y reproducibles<a class="elsevierStyleCrossRefs" href="#bib0310"><span class="elsevierStyleSup">29–31</span></a>. Se sabe que las lesiones heterogéneas tienen un mayor valor de entropía que las lesiones visualmente homogéneas<a class="elsevierStyleCrossRef" href="#bib0325"><span class="elsevierStyleSup">32</span></a>. Se demostró que los índices de textura, incluida la entropía, medidos a partir de imágenes de autorradiografía, eran sensibles al patrón celular observado en un corte histológico<a class="elsevierStyleCrossRefs" href="#bib0325"><span class="elsevierStyleSup">32,33</span></a>. Aunque su significado biológico aún no se ha entendido exactamente, hay estudios que muestran el valor pronóstico de la entropía<span class="elsevierStyleInf">GLCM</span> en el cáncer de recto. El estudio de Hotta et al. encontró que el parámetro de entropía<span class="elsevierStyleInf">GLCM</span> fue un factor predictor independiente tanto para la OS como para la PFS en pacientes con cáncer de recto tratados con cirugía<a class="elsevierStyleCrossRef" href="#bib0220"><span class="elsevierStyleSup">11</span></a>. Por otro lado, el estudio de Lovinfosse et al. demostró la asociación significativa entre la entropía<span class="elsevierStyleInf">GLCM</span> y la supervivencia específica de la enfermedad solo en el análisis univariado, pero no hubo una asociación significativa entre la entropía<span class="elsevierStyleInf">GLCM</span> y la supervivencia libre de enfermedad (DFS), la OS y la respuesta a la TNA en pacientes con CRLA<a class="elsevierStyleCrossRef" href="#bib0265"><span class="elsevierStyleSup">20</span></a>. Bang et al. encontraron que mientras que la suma de entropía<span class="elsevierStyleInf">GLCM</span> y la entropía<span class="elsevierStyleInf">GLCM</span> se asociaron con la respuesta a la TNA en pacientes con CRLA en los análisis univariados, no hubo asociación entre la DFS a 3 años y la entropía<span class="elsevierStyleInf">GLCM.</span><a class="elsevierStyleCrossRef" href="#bib0230"><span class="elsevierStyleSup">13</span></a>. El estudio de Martín-González et al. indicó que no había asociación significativa entre la entropía<span class="elsevierStyleInf">GLCM</span> y la respuesta a la TNA en pacientes con CRLA<a class="elsevierStyleCrossRef" href="#bib0225"><span class="elsevierStyleSup">12</span></a>. Estas discrepancias pueden deberse a las diferencias en las poblaciones y los resultados entre los estudios. A pesar de los diferentes resultados, parece que la entropía<span class="elsevierStyleInf">GLCM</span> fue uno de los descriptores de heterogeneidad pronóstica importantes entre otros parámetros para los pacientes con cáncer de recto. Especialmente la diferencia de entropía<span class="elsevierStyleInf">GLCM</span> es un factor pronóstico independiente para la respuesta a la TNA en pacientes con cáncer de recto según nuestros resultados.</p><p id="par0105" class="elsevierStylePara elsevierViewall">Se encontró que hubo una asociación significativa entre la tosquedad<span class="elsevierStyleInf">NGLDM</span>, GLNU<span class="elsevierStyleInf">GLZM</span> y la respuesta a la TNA en paralelo con los otros estudios<a class="elsevierStyleCrossRefs" href="#bib0265"><span class="elsevierStyleSup">20,21</span></a>. La LRHGE<span class="elsevierStyleInf">GLRM</span> y la correlación<span class="elsevierStyleInf">GLCM</span> se asociaron significativamente con la respuesta a la TNA, pero solo la correlación<span class="elsevierStyleInf">GLCM</span> se encontró como un predictor independiente de la respuesta a la TNA entre estos parámetros de segundo orden. Parece que la correlación<span class="elsevierStyleInf">GLCM</span> y la diferencia de entropía<span class="elsevierStyleInf">GLCM</span> fueron los parámetros de textura de segundo orden más robustos para la predicción de la respuesta a la TNA en pacientes con cáncer de recto que se sometieron a cirugía después de la TNA.</p><p id="par0110" class="elsevierStylePara elsevierViewall">Se encontró que la diferencia inversa normalizada<span class="elsevierStyleInf">GLCM</span> y la LZLGE<span class="elsevierStyleInf">GLZM</span> eran predictores independientes para la OS en pacientes con cáncer de recto que se sometieron a cirugía después de la TNA. La diferencia inversa normalizada<span class="elsevierStyleInf">GLCM</span> se conoce como uno de los descriptores de heterogeneidad más robustos<a class="elsevierStyleCrossRef" href="#bib0215"><span class="elsevierStyleSup">10</span></a>. En el estudio de Lovinfosse et al., se encontraron los parámetros de contraste<span class="elsevierStyleInf">NGLDM</span> y disimilitud<span class="elsevierStyleInf">GLCM</span> como predictores independientes de OS<a class="elsevierStyleCrossRef" href="#bib0265"><span class="elsevierStyleSup">20</span></a>. En este estudio, estos se asociaron con la OS en el análisis univariado en paralelo a su estudio. Mientras que el contraste<span class="elsevierStyleInf">NGLDM</span> es la diferencia de intensidad entre las regiones vecinas, la disimilitud<span class="elsevierStyleInf">GLCM</span> es la variación de los pares de vóxeles del nivel de gris<a class="elsevierStyleCrossRef" href="#bib0240"><span class="elsevierStyleSup">15</span></a>. Orlhac et al. mostraron que se trataba de índices que presentaban una alta correlación, y estos índices fueron agrupados en el mismo grupo<a class="elsevierStyleCrossRef" href="#bib0275"><span class="elsevierStyleSup">22</span></a>. La correlación entre el contraste<span class="elsevierStyleInf">NGLDM</span> y la disimilitud<span class="elsevierStyleInf">GLCM</span> podría explicar el desempeño similar en la predicción de la OS en este estudio. El estudio de Orlhac et al. sugirió que los mismos índices de grupos que describen información altamente correlacionada podrían no calcularse en los estudios<a class="elsevierStyleCrossRef" href="#bib0275"><span class="elsevierStyleSup">22</span></a>, lo que es consistente con los resultados de nuestro estudio. Tales limitaciones sobre la selección de características podrían superarse mediante el uso de métodos avanzados de selección de características en estudios futuros.</p><p id="par0115" class="elsevierStylePara elsevierViewall">Este estudio tiene 3 limitaciones principales. En primer lugar, este estudio es un estudio retrospectivo con un número limitado de pacientes. Solo se incluyeron en este estudio un cierto grupo de pacientes con cáncer de recto que se sometieron a cirugía después de la TNA porque la cirugía es un factor pronóstico principal para los pacientes con cáncer de recto. En segundo lugar, la gran cantidad de características requiere métodos efectivos para su selección para evitar problemas de mala interpretación. Además, el aprendizaje y la validación de modelos se pueden realizar en conjuntos de datos. No pudimos llevar a cabo estos métodos avanzados debido al número limitado de pacientes. Finalmente, no está claro cómo los parámetros de textura se relacionan realmente con las características biológicas del tumor. No fue posible examinar las características histopatológicas genéticas del tumor debido a la naturaleza del estudio. Se necesitan más estudios que comparen los hallazgos histopatológicos y las características de la textura. Sin embargo, este estudio ha proporcionado resultados prometedores sobre el valor predictivo del análisis de textura obtenido de la PET/TC con [<span class="elsevierStyleSup">18</span>F]FDG pretratamiento en pacientes con cáncer de recto.</p></span><span id="sec0065" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0125">Conclusión</span><p id="par0120" class="elsevierStylePara elsevierViewall">Determinados parámetros de textura obtenidos de la PET/TC con [<span class="elsevierStyleSup">18</span>F]FDG pretratamiento han presentado un valor predictivo más robusto que los parámetros convencionales en pacientes con cáncer de recto. En el futuro, la integración del análisis de textura en el manejo del paciente podría proporcionarse y abrir nuevas posibilidades para la medicina personalizada.</p></span><span id="sec0070" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0130">Declaración de intereses</span><p id="par0125" class="elsevierStylePara elsevierViewall">Los autores declaran no tener ningún conflicto de intereses.</p></span></span>" "textoCompletoSecciones" => array:1 [ "secciones" => array:12 [ 0 => array:3 [ "identificador" => "xres2001367" "titulo" => "Resumen" "secciones" => array:4 [ 0 => array:2 [ "identificador" => "abst0005" "titulo" => "Objetivo" ] 1 => array:2 [ "identificador" => "abst0010" "titulo" => "Métodos" ] 2 => array:2 [ "identificador" => "abst0015" "titulo" => "Resultados" ] 3 => array:2 [ "identificador" => "abst0020" "titulo" => "Conclusión" ] ] ] 1 => array:2 [ "identificador" => "xpalclavsec1715206" "titulo" => "Palabras clave" ] 2 => array:3 [ "identificador" => "xres2001368" "titulo" => "Abstract" "secciones" => array:4 [ 0 => array:2 [ "identificador" => "abst0025" "titulo" => "Purpose" ] 1 => array:2 [ "identificador" => "abst0030" "titulo" => "Methods" ] 2 => array:2 [ "identificador" => "abst0035" "titulo" => "Results" ] 3 => array:2 [ "identificador" => "abst0040" "titulo" => "Conclusion" ] ] ] 3 => array:2 [ "identificador" => "xpalclavsec1715205" "titulo" => "Keywords" ] 4 => array:2 [ "identificador" => "sec0005" "titulo" => "Introducción" ] 5 => array:3 [ "identificador" => "sec0010" "titulo" => "Material y métodos" "secciones" => array:5 [ 0 => array:2 [ "identificador" => "sec0015" "titulo" => "Población de pacientes" ] 1 => array:2 [ "identificador" => "sec0020" "titulo" => "Características clínicopatológicas" ] 2 => array:2 [ "identificador" => "sec0025" "titulo" => "Adquisición de PET/TC" ] 3 => array:2 [ "identificador" => "sec0030" "titulo" => "Análisis de imágenes" ] 4 => array:2 [ "identificador" => "sec0035" "titulo" => "Análisis estadístico" ] ] ] 6 => array:3 [ "identificador" => "sec0040" "titulo" => "Resultados" "secciones" => array:3 [ 0 => array:2 [ "identificador" => "sec0045" "titulo" => "Respuesta al tratamiento a la terapia neoadyuvante" ] 1 => array:2 [ "identificador" => "sec0050" "titulo" => "Supervivencia libre de progresión" ] 2 => array:2 [ "identificador" => "sec0055" "titulo" => "Supervivencia global" ] ] ] 7 => array:2 [ "identificador" => "sec0060" "titulo" => "Discusión" ] 8 => array:2 [ "identificador" => "sec0065" "titulo" => "Conclusión" ] 9 => array:2 [ "identificador" => "sec0070" "titulo" => "Declaración de intereses" ] 10 => array:2 [ "identificador" => "xack699337" "titulo" => "Agradecimientos" ] 11 => array:1 [ "titulo" => "Bibliografía" ] ] ] "pdfFichero" => "main.pdf" "tienePdf" => true "fechaRecibido" => "2022-10-17" "fechaAceptado" => "2023-01-03" "PalabrasClave" => array:2 [ "es" => array:1 [ 0 => array:4 [ "clase" => "keyword" "titulo" => "Palabras clave" "identificador" => "xpalclavsec1715206" "palabras" => array:5 [ 0 => "Cáncer de recto" 1 => "<span class="elsevierStyleSup">18</span>F-FDG PET/TC" 2 => "Análisis de textura" 3 => "Radiómica" 4 => "Pronóstico" ] ] ] "en" => array:1 [ 0 => array:4 [ "clase" => "keyword" "titulo" => "Keywords" "identificador" => "xpalclavsec1715205" "palabras" => array:5 [ 0 => "Rectal cancer" 1 => "<span class="elsevierStyleSup">18</span>F-FDG PET/CT" 2 => "Texture analysis" 3 => "Radiomics" 4 => "Prognosis" ] ] ] ] "tieneResumen" => true "resumen" => array:2 [ "es" => array:3 [ "titulo" => "Resumen" "resumen" => "<span id="abst0005" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0010">Objetivo</span><p id="spar0005" class="elsevierStyleSimplePara elsevierViewall">Estudio retrospectivo cuyo objetivo fue investigar el valor de las características de textura de los tumores primarios en la PET/TC con <span class="elsevierStyleSup">18</span>F-FDG pretratamiento para la predicción de la respuesta al tratamiento, la progresión y la supervivencia global en pacientes con cáncer de recto que se sometieron a cirugía después de la terapia neoadyuvante (TNA).</p></span> <span id="abst0010" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0015">Métodos</span><p id="spar0100" class="elsevierStyleSimplePara elsevierViewall">Se incluyeron en este estudio pacientes con cáncer de recto que se sometieron a estudio PET/TC con 18F-FDG antes del tratamiento y se sometieron a cirugía después de TNA. Se registraron las características clínico-patológicas, la fecha del último seguimiento, la evolución y fallecimiento. Los parámetros de las texturas y los convencionales de PET (Standard Uptake Value-SUVmax, volumen tumoral metabólico-MTV, glucólisis total de la lesión-TLG) se obtuvieron a partir de imágenes PET/TC utilizando el programa LifeX. Los parámetros se agruparon utilizando el índice de Youden en el análisis ROC. Los factores que predicen la respuesta patológica al tratamiento, la progresión y la supervivencia global se determinaron mediante regresión logística y análisis de regresión de Cox.</p></span> <span id="abst0015" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0020">Resultados</span><p id="spar0105" class="elsevierStyleSimplePara elsevierViewall">Cuarenta y cuatro pacientes (26-59% hombres, 18-41% mujeres; 60,1 ± 11,4 años) con cáncer de recto fueron incluidos en este estudio. El número de pacientes respondedores y no respondedores a TNA fueron de 15 (34,9%) y 28 (65,1%), respectivamente. La mediana de la duración del seguimiento fue de 29,9 meses. 9 (20,5%) mostraron progresión de la enfermedad y 8 (18,2%) fallecieron durante el período de seguimiento. Los parámetros de entropía GLCM de diferencia y correlación GLCM se encontraron como predictores independientes para la respuesta a TNA. Los parámetros de positividad del margen quirúrgico, rango intercuartílico de intensidad CONV y textura AUC-CSHDISC fueron predictores independientes de progresión, mientras que los parámetros de diferencia inversa normalizada GLCM y LZLGEGLZLM fueron predictores independientes de mortalidad.</p></span> <span id="abst0020" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0025">Conclusión</span><p id="spar0110" class="elsevierStyleSimplePara elsevierViewall">Los parámetros de textura obtenidos de la PET/TC con <span class="elsevierStyleSup">18</span>F-FDG pretratamiento han presentado un valor predictivo más robusto que los parámetros convencionales de la PET en pacientes con cáncer de recto que se sometieron a cirugía después de TNA.</p></span>" "secciones" => array:4 [ 0 => array:2 [ "identificador" => "abst0005" "titulo" => "Objetivo" ] 1 => array:2 [ "identificador" => "abst0010" "titulo" => "Métodos" ] 2 => array:2 [ "identificador" => "abst0015" "titulo" => "Resultados" ] 3 => array:2 [ "identificador" => "abst0020" "titulo" => "Conclusión" ] ] ] "en" => array:3 [ "titulo" => "Abstract" "resumen" => "<span id="abst0025" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0035">Purpose</span><p id="spar0025" class="elsevierStyleSimplePara elsevierViewall">This retrospective study aimed to investigate the value of texture features of primary tumors in pretreatment<span class="elsevierStyleSup">18</span>F-FDG PET/CT in the prediction of response to treatment, progression, and overall survival in patients with rectal cancer who underwent surgery after neoadjuvant therapy (NAT).</p></span> <span id="abst0030" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0040">Methods</span><p id="spar0030" class="elsevierStyleSimplePara elsevierViewall">Patients with rectal cancer who had pretreatment<span class="elsevierStyleSup">18</span>F-FDG PET/CT, and underwent surgery after NAT were included in this study. Clinicopathologic features, date of last follow-up, progression, and death were recorded. Textural and conventional PET parameters (maximum standardized uptake value-SUVmax, metabolic tumor volume-MTV, total lesion glycolysis-TLG) were obtained from PET/CT images using LifeX program. Parameters were grouped using Youden index in ROC analysis. Factors predicting the pathological response to treatment, progression, and overall survival were determined using logistic regression and Cox regression analyses.</p></span> <span id="abst0035" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0045">Results</span><p id="spar0035" class="elsevierStyleSimplePara elsevierViewall">Forty-four patients (26(59%) male, 18 (41%) female; 60.1 ± 11.4 years) with rectal cancer were included in this study. The numbers of patients with responders and non-responders to NAT were15(34.9%) and 28(65.1%), respectively. One patient’ pathology report did not contain the response status to NAT. The median of follow-up duration was 29.9 months. 9(20.5%) showed disease progression, and 8(18.2%) died during the follow-up period. Difference entropy GLCM and correlation GLCM parameters were found as independent predictors for response to NAT. The positivity of surgical margin, intensity interquartile range CONV and AUC-CSHDISC texture parameters were independent predictors of progression, while normalized inverse difference GLCM and LZLGEGLZLM parameters were independent predictorsof mortality.</p></span> <span id="abst0040" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0050">Conclusion</span><p id="spar0040" class="elsevierStyleSimplePara elsevierViewall">The texture parameters obtained from pretreatment<span class="elsevierStyleSup">18</span>F-FDG PET/CT have presented a more robust predictive value than conventional parameters in patients with rectal cancer who underwent surgery after NAT.</p></span>" "secciones" => array:4 [ 0 => array:2 [ "identificador" => "abst0025" "titulo" => "Purpose" ] 1 => array:2 [ "identificador" => "abst0030" "titulo" => "Methods" ] 2 => array:2 [ "identificador" => "abst0035" "titulo" => "Results" ] 3 => array:2 [ "identificador" => "abst0040" "titulo" => "Conclusion" ] ] ] ] "apendice" => array:1 [ 0 => array:1 [ "seccion" => array:1 [ 0 => array:4 [ "apendice" => "<p id="par0135" class="elsevierStylePara elsevierViewall"><elsevierMultimedia ident="upi0005"></elsevierMultimedia></p>" "etiqueta" => "Anexo A" "titulo" => "Material suplementario" "identificador" => "sec0080" ] ] ] ] "multimedia" => array:7 [ 0 => array:7 [ "identificador" => "fig0005" "etiqueta" => "Figura 1" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr1.jpeg" "Alto" => 1755 "Ancho" => 3341 "Tamanyo" => 543989 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0045" class="elsevierStyleSimplePara elsevierViewall">Análisis de textura de imágenes PET-FDG utilizando el <span class="elsevierStyleItalic">software</span> LİFEx<a class="elsevierStyleCrossRef" href="#bib0235"><span class="elsevierStyleSup">14</span></a>. Las imágenes de los pacientes se cargaron en formato DİCOM. Los volúmenes de interés (VOİ) de los tumores rectales primarios se dibujaron de forma semiautomática mediante el uso de la herramienta VOİ tridimensional (3D) (cuadro púrpura en el panel derecho). Las lesiones tumorales primarias se segmentaron utilizando el 40% del valor máximo en el VOI como umbral (recuadro azul en el panel derecho). Las características de textura se extrajeron de los VOI tumorales utilizando la sección de extracción de características de textura (cuadro amarillo en el panel superior).</p>" ] ] 1 => array:8 [ "identificador" => "tbl0005" "etiqueta" => "Tabla 1" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at1" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0055" class="elsevierStyleSimplePara elsevierViewall">AUC-CSH: área bajo la curva/histogramas de volumen de SUV acumulativo (del inglés, <span class="elsevierStyleItalic">area under curve-cumulative SUV-volume histograms</span>); GLNU: no uniformidad de nivel de gris; GLZLM: matriz de longitud de zona de nivel de gris; HGRE: alto énfasis de carrera de nivel de gris; HGZE: énfasis en la zona de alto nivel de gris; LGRE: bajo énfasis en el nivel de gris; LGZE: énfasis en la zona de bajo nivel de gris; LRE: énfasis a largo plazo; LRHGE: énfasis de alto nivel de gris de larga duración; LRLGE: énfasis de largo plazo de bajo nivel de gris; LZE: énfasis en zonas grandes; LZHGE: énfasis en la zona grande de alto nivel de gris; LZLGE: énfasis en la zona grande de bajo nivel de gris; NGLDM: matriz de diferencia de nivel de gris de vecindad; GLCM: matriz de co-ocurrencia de nivel de gris; GLRLM: matriz de longitud de ejecución de nivel de gris; Q1: el primer cuartil; Q2: el segundo cuartil; Q3: el tercer cuartil; RLNU: no uniformidad de la longitud de la tirada (del inglés, <span class="elsevierStyleItalic">run-length non-uniformity</span>); RP: porcentaje de ejecución (del inglés, <span class="elsevierStyleItalic">run percentage</span>); SRE: énfasis a corto plazo; SRHGE: énfasis de corto plazo de alto nivel de gris; SRLGE: énfasis de corto plazo de bajo nivel de gris; SZE: énfasis en zonas pequeñas; SZHGE: énfasis en la zona pequeña de alto nivel de gris; SZLGE: énfasis en la zona grande de bajo nivel de gris; ZLNU: no uniformidad de tamaño de zona; ZP: porcentaje de zona.</p>" "tablatextoimagen" => array:1 [ 0 => array:2 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><tbody title="tbody"><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Primer orden</span></td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Histograma \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Skewness, Kurtosis, Entropy log10, Entropy log2, Energy, AUC-CSH \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Convencional/discretizado \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">mínimo, media, DE, máximo, Q1, Q2, Q3, Pico 0,5<span class="elsevierStyleHsp" style=""></span>ml, Pico 1<span class="elsevierStyleHsp" style=""></span>ml \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Segundo orden</span></td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>GLCM \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Homogeneidad, energía, contraste, correlación, entropía, disimilitud \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>GLRLM \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">SRE, LRE, LGRE, HGRE, SRLGE, SRHGE, LRLGE, LRHGE, GLNU, RLNU, RP \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>NGLDM \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Tosquedad, contraste, ajetreo \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>GLZLM \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">SZE, LZE, LGZE, HGZE, SZLGE, SZHGE, LZLGE, LZHGE, GLNUz, ZLNU, ZP \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] "imagenFichero" => array:1 [ 0 => "xTab3323634.png" ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0050" class="elsevierStyleSimplePara elsevierViewall">Los parámetros de textura extraídos de las imágenes de PET</p>" ] ] 2 => array:8 [ "identificador" => "tbl0010" "etiqueta" => "Tabla 2" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at2" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0065" class="elsevierStyleSimplePara elsevierViewall">DE: desviación estándar; TNA: terapia neoadyuvante.</p>" "tablatextoimagen" => array:1 [ 0 => array:2 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Características \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">n (%) \t\t\t\t\t\t\n \t\t\t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleBold">Edad (media</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleBold">±</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleBold">DE)</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">60,1<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>11,4 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleBold">Género</span></td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">Masculino</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">26 (59%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">Femenino</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">18 (41%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">Terapia neoadyuvante</span></td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleHsp" style=""></span>QRT (quimiorradioterapia) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">41 (93.2%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleHsp" style=""></span>Capecitabina \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4 (9.1%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleHsp" style=""></span>Capecitabina+oxaliplatino \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">31 (70.5%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleHsp" style=""></span>Fluorouracilo+oxaliplatino \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">5 (11.4%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleHsp" style=""></span>Fluorouracilo \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1 (2.3%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">RT (radioterapia)</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3 (6,8%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleBold">Grado tumoral</span></td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">Bien diferenciado</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">11 (25%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">Moderadamente diferenciado</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">17 (38,6%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">Pobremente diferenciado</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3 (6,8%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">Indiferenciado</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">13 (29,5%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleBold">Adenocarcinoma mucinoso/componente mucinoso</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">6 (13,6%)-2 (45,5%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">Estadio T patológico (pT)</span></td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleHsp" style=""></span>pT0-2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">23 (52,3%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleHsp" style=""></span>pT3-4 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">21 (47,7%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">Estadio N patológico (pN)</span></td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleHsp" style=""></span>pN0 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">35 (79,5%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleHsp" style=""></span>pN1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">8 (18,2%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleHsp" style=""></span>pN2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1 (2,3%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleBold">Positividad del margen quirúrgico</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3 (6,8%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleBold">Invasión vasculolinfática (IVL)</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1 (2,3%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleBold">Invasión perineural (IPN)</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2 (4,5%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleBold">Grado de respuesta patológica</span></td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">Respondedores a TNA</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">15 (34,9%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">No respondedores a TNA</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">28 (65,1%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleBold">Progresión</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">9 (20,5%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleBold">Muerte</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">8 (18,2%) \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] "imagenFichero" => array:1 [ 0 => "xTab3323632.png" ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0060" class="elsevierStyleSimplePara elsevierViewall">Características clinicopatológicas</p>" ] ] 3 => array:8 [ "identificador" => "tbl0015" "etiqueta" => "Tabla 3" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at3" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0075" class="elsevierStyleSimplePara elsevierViewall">AUC-CSH: área bajo la curva/histogramas de volumen de SUV acumulativo; CONV: convencional; DISC: discretizado; GLNU: no uniformidad de nivel de gris; GLRLM: matriz de longitud de ejecución de nivel de gris; GLZLM: matriz de longitud de zona de nivel de gris; IC 95%: intervalo de confianza del 95%; LRHGE: énfasis de alto nivel de gris de larga duración; MTV: volumen metabólico tumoral; NGLDM: matriz de diferencia de nivel de gris de vecindad; OR: <span class="elsevierStyleItalic">odds ratio</span>; SGLCM: matriz de co-ocurrencia de nivel de gris; SUVmáx: valor máximo de captación estandarizado; TLG: glucolisis total de la lesión.</p>" "tablatextoimagen" => array:1 [ 0 => array:2 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td-with-role" title="\n \t\t\t\t\ttable-head\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col">Parámetros \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " colspan="3" align="center" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Univariado</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " colspan="3" align="center" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Multivariado</th></tr><tr title="table-row"><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black"> \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">OR \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">IC 95% \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Valor de p \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">OR \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">IC 95% \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Valor de p \t\t\t\t\t\t\n \t\t\t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">SUVmáx (><span class="elsevierStyleHsp" style=""></span>20) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">6,50 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,23-34,38) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,027 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">MTV (><span class="elsevierStyleHsp" style=""></span>16,5) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3,75 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,003-14,02) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,049 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">TLG (><span class="elsevierStyleHsp" style=""></span>233) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">6,50 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,23-30,28) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,027 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Rango intercuartil de intensidad<span class="elsevierStyleInf">CONV</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4,50 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,17-17,20) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,028 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Energía basada en la intensidad<span class="elsevierStyleInf">CONV</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">5,81 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,44-23,36) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,013 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Histograma entropía log10<span class="elsevierStyleInf">DISC</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">9,06 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,04-79,01) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,046 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">AUC-CSH<span class="elsevierStyleInf">DISC</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">5,33 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,23-23,19) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,026 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Entropía log2<span class="elsevierStyleInf">GLCM</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">6,50 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,23-34,28) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,027 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Diferencia de entropía<span class="elsevierStyleInf">GLCM</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">25,2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(2,87-220,94) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,004 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">25,94 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(2,75-244,81) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,004 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Correlación<span class="elsevierStyleInf">GLCM</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">6,50 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,23-34,28) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,027 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">6,80 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,04-44,40) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,045 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">LRHGE<span class="elsevierStyleInf">GLRLM</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">6,00 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,52-23,67) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,011 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Tosquedad<span class="elsevierStyleInf">NGLDM</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4,50 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,18-17,21) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,028 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">GLNU<span class="elsevierStyleInf">GLZLM</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4,61 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,06-20,01) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,041 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] "imagenFichero" => array:1 [ 0 => "xTab3323633.png" ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0070" class="elsevierStyleSimplePara elsevierViewall">Parámetros significativamente asociados con una respuesta deficiente al tratamiento neoadyuvante en los análisis de regresión logística univariante y multivariante</p>" ] ] 4 => array:8 [ "identificador" => "tbl0020" "etiqueta" => "Tabla 4" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at4" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0085" class="elsevierStyleSimplePara elsevierViewall">AUC-CSH: área bajo la curva/histogramas de volumen de SUV acumulativo; CONV: convencional; DISC: discretizado; GLCM: matriz de co-ocurrencia de nivel de gris; GLRLM: matriz de longitud de ejecución de nivel de gris; IC 95%: intervalo de confianza del 95%; OR: <span class="elsevierStyleItalic">odds ratio</span>; pN: estadio N patológico; RLNU: no uniformidad de la longitud de la tirada; TLG: glucolisis total de la lesión.</p>" "tablatextoimagen" => array:1 [ 0 => array:2 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td-with-role" title="\n \t\t\t\t\ttable-head\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col">Parámetros \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " colspan="3" align="center" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Univariado</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " colspan="3" align="center" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Multivariado</th></tr><tr title="table-row"><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black"> \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">OR \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">IC 95% \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Valor de p \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">OR \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">IC 95% \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Valor de p \t\t\t\t\t\t\n \t\t\t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">pN (pN0: referencia)</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,017 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>pN1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2,95 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(0,68-12,68) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=0,147* \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>pN2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">51,44 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(2,99-883,57) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,007 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Positividad del margen quirúrgico</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">20,66 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(2,81-151,66) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,003 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">21,03 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(2,30-191,98) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,007 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">TLG (></span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">286,5)</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3,87 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,04-14,46) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,044 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Rango intercuartil de intensidad</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">CONV</span></span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">11,68 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,93-70,64) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,007 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Energía basada en la intensidad</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">CONV</span></span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">12,51 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(2,72-57,57) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">16,73 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(2,83-98,71) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,002 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Histograma entropía log10</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">DISC</span></span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4,38 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,02-18,82) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,047 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">AUC-CSH</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">DISC</span></span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">5,04 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,35-18,77) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,016 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">5,12 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,18-22,23) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,029 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Varianza</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">GLCM</span></span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4,75 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,17-19,25) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,029 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Entropía log10</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">GLCM</span></span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4,53 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,12-18,24) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,034 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">RLNU</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">GLRLM</span></span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">11,4 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,42-91,61) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,022 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] "imagenFichero" => array:1 [ 0 => "xTab3323630.png" ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0080" class="elsevierStyleSimplePara elsevierViewall">Parámetros significativamente asociados con la progresión en el análisis de regresión de Cox univariante y multivariante</p>" ] ] 5 => array:8 [ "identificador" => "tbl0025" "etiqueta" => "Tabla 5" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at5" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0095" class="elsevierStyleSimplePara elsevierViewall">AUC-CSH: área bajo la curva/histogramas de volumen de SUV acumulativo; DISC: discretizado; GLCM: matriz de co-ocurrencia de nivel de gris; GLNU: no uniformidad de nivel de gris; GLZLM: matriz de longitud de zona de nivel de gris; IC 95%: intervalo de confianza del 95%; LZLGE: énfasis en la zona grande de bajo nivel de gris; MTV: volumen metabólico tumoral; NGLDM: matriz de diferencia de nivel de gris de vecindad; OR: <span class="elsevierStyleItalic">odds ratio</span>; pN: estadio N patológico.</p>" "tablatextoimagen" => array:1 [ 0 => array:2 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td-with-role" title="\n \t\t\t\t\ttable-head\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col">Parámetros \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " colspan="3" align="center" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Univariado</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " colspan="3" align="center" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Multivariado</th></tr><tr title="table-row"><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black"> \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">OR \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">IC 95% \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Valor de p \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">OR \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">IC 95% \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Valor de p \t\t\t\t\t\t\n \t\t\t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">pN (pN0: referencia)</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,032 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>pN1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">6,92 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,63-29,44) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,009 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>pN2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,992* \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">MTV (></span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">20,5)</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,18 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(0,3-0,93) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,041 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">AUC-CSH</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">DISC</span></span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3,97 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(0,98-16,03) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,053 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Disimilitud</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">GLCM</span></span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">9,58 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,10-83,58) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,041 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Diferencia inversa normalizada</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">GLCM</span></span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">6,92 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,53-31,25) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,012 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">26,37 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(2,71-256,95) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,005 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Correlación</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">GLCM</span></span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">5,39 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,34-21,59) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,017 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Contraste</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">NGLDM</span></span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">6,01 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,16-31,20) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,033 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">LZLGE</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">GLZLM</span></span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">8,04 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(1,60-40,28) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,011 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">31,45 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">(2,91-340,08) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,005 \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] "imagenFichero" => array:1 [ 0 => "xTab3323631.png" ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0090" class="elsevierStyleSimplePara elsevierViewall">Parámetros significativamente asociados con la mortalidad en los análisis univariados y multivariados</p>" ] ] 6 => array:5 [ "identificador" => "upi0005" "tipo" => "MULTIMEDIAECOMPONENTE" "mostrarFloat" => false "mostrarDisplay" => true "Ecomponente" => array:2 [ "fichero" => "mmc1.doc" "ficheroTamanyo" => 35765 ] ] ] "bibliografia" => array:2 [ "titulo" => "Bibliografía" "seccion" => array:1 [ 0 => array:2 [ "identificador" => "bibs0015" "bibliografiaReferencia" => array:33 [ 0 => array:3 [ "identificador" => "bib0170" "etiqueta" => "1" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "H. Sung" 1 => "J. Ferlay" 2 => "R.L. Siegel" 3 => "M. Laversanne" 4 => "I. Soerjomataramet" 5 => "A. Jemal" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.3322/caac.21660" "Revista" => array:6 [ "tituloSerie" => "CA Cancer J Clin." "fecha" => "2021" "volumen" => "71" "paginaInicial" => "209" "paginaFinal" => "249" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/33538338" "web" => "Medline" ] ] ] ] ] ] ] ] 1 => array:3 [ "identificador" => "bib0175" "etiqueta" => "2" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Colorectal cancer statistics, 2020" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "R.L. Siegel" 1 => "K.D. Miller" 2 => "A. Goding Sauer" 3 => "S.A. Fedewa" 4 => "F.L. Butterly" 5 => "C.E. Anderson" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.3322/caac.21601" "Revista" => array:6 [ "tituloSerie" => "CA Cancer J Clin" "fecha" => "2020" "volumen" => "7" "paginaInicial" => "145" "paginaFinal" => "164" "itemHostRev" => array:3 [ "pii" => "S001502820700338X" "estado" => "S300" "issn" => "00150282" ] ] ] ] ] ] ] 2 => array:3 [ "identificador" => "bib0180" "etiqueta" => "3" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "The “good”, the “bad”, and the “ugly” rectal cancers" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "L. Blomqvist" 1 => "B. Glimelius" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1080/02841860701802585" "Revista" => array:6 [ "tituloSerie" => "Acta Oncol" "fecha" => "2008" "volumen" => "47" "paginaInicial" => "5" "paginaFinal" => "8" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/18097776" "web" => "Medline" ] ] ] ] ] ] ] ] 3 => array:3 [ "identificador" => "bib0185" "etiqueta" => "4" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Prediction of survival and cancer recurrence using metabolic volumetric parameters measured by <span class="elsevierStyleSup">18</span>F-FDG PET/TC in patients with surgically resected rectal cancer" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:4 [ 0 => "H.J. Jo" 1 => "S.J. Kim" 2 => "H.Y. Lee" 3 => "I.J. Kim" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/RLU. 0000000000000438" "Revista" => array:7 [ "tituloSerie" => "Clin Nucl Med" "fecha" => "2014" "volumen" => "39" "paginaInicial" => "493" "paginaFinal" => "497" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/24806602" "web" => "Medline" ] ] "itemHostRev" => array:3 [ "pii" => "S0015028207012265" "estado" => "S300" "issn" => "00150282" ] ] ] ] ] ] ] 4 => array:3 [ "identificador" => "bib0190" "etiqueta" => "5" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Does baseline [18F] FDG-PET/TC correlate with tumor staging, response after neoadjuvant chemoradiotherapy, and prognosis in patients with rectal cancer?" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "L. Deantonio" 1 => "A. Caroli" 2 => "E. Puta" 3 => "D. Ferrante" 4 => "F. Apicella" 5 => "L. Turri" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1186/s13014-018-1154-3" "Revista" => array:5 [ "tituloSerie" => "Radiat Oncol" "fecha" => "2018" "volumen" => "13" "paginaInicial" => "211" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30359275" "web" => "Medline" ] ] ] ] ] ] ] ] 5 => array:3 [ "identificador" => "bib0195" "etiqueta" => "6" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Radiomics: Extracting more information from medical images using advanced feature analysis" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "P. Lambin" 1 => "E. Rios-Velazquez" 2 => "R. Leijenaar" 3 => "S. Carvalho" 4 => "R.G.P.M. Von Stiphout" 5 => "P. Granton" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.ejca.2011.11.036" "Revista" => array:6 [ "tituloSerie" => "Eur J Cancer" "fecha" => "2012" "volumen" => "48" "paginaInicial" => "441" "paginaFinal" => "446" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/22257792" "web" => "Medline" ] ] ] ] ] ] ] ] 6 => array:3 [ "identificador" => "bib0200" "etiqueta" => "7" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Quantifying tumour heterogeneity in <span class="elsevierStyleSup">18</span>F-FDG PET/TC imaging by texture analysis" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:6 [ 0 => "S. Chicklore" 1 => "V. Goh" 2 => "M. Siddique" 3 => "A. Roy" 4 => "P.K. Marsden" 5 => "G.J. Cook" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1007/s00259-012-2247-0" "Revista" => array:7 [ "tituloSerie" => "Eur J Nucl Med Mol Imaging" "fecha" => "2013" "volumen" => "40" "paginaInicial" => "133" "paginaFinal" => "140" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/23064544" "web" => "Medline" ] ] "itemHostRev" => array:3 [ "pii" => "S2213858714702190" "estado" => "S300" "issn" => "22138587" ] ] ] ] ] ] ] 7 => array:3 [ "identificador" => "bib0205" "etiqueta" => "8" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Tumour heterogeneity in the clinic" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:4 [ 0 => "P.L. Bedard" 1 => "A.R. Hansen" 2 => "M.J. Ratain" 3 => "L.L. Siu" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1038/nature12627" "Revista" => array:7 [ "tituloSerie" => "Nature" "fecha" => "2013" "volumen" => "501" "paginaInicial" => "355" "paginaFinal" => "364" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/24048068" "web" => "Medline" ] ] "itemHostRev" => array:3 [ "pii" => "S0015028209001113" "estado" => "S300" "issn" => "00150282" ] ] ] ] ] ] ] 8 => array:3 [ "identificador" => "bib0210" "etiqueta" => "9" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Tumor heterogeneity: Causes and consequences" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "A. Marusyk" 1 => "K. Polyak" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.bbcan.2009.11.002" "Revista" => array:6 [ "tituloSerie" => "Biochim Biophys Acta" "fecha" => "2010" "volumen" => "1805" "paginaInicial" => "105" "paginaFinal" => "117" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/19931353" "web" => "Medline" ] ] ] ] ] ] ] ] 9 => array:3 [ "identificador" => "bib0215" "etiqueta" => "10" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Tumor Texture Analysis in PET: Where Do We Stand?" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "I. Buvat" 1 => "F. Orlhac" 2 => "M. Soussan" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.2967/jnumed.115.163469" "Revista" => array:6 [ "tituloSerie" => "J Nucl Med" "fecha" => "2015" "volumen" => "56" "paginaInicial" => "1642" "paginaFinal" => "1644" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/26294296" "web" => "Medline" ] ] ] ] ] ] ] ] 10 => array:3 [ "identificador" => "bib0220" "etiqueta" => "11" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Prognostic value of (18)F-FDG PET/TC with texture analysis in patients with rectal cancer treated by surgery" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "M. Hotta" 1 => "R. Minamimoto" 2 => "Y. Gohda" 3 => "K. Miwa" 4 => "K. Otani" 5 => "T. Kiyamatsu" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1007/s12149-021-01622-7" "Revista" => array:6 [ "tituloSerie" => "Ann Nucl Med" "fecha" => "2021" "volumen" => "35" "paginaInicial" => "843" "paginaFinal" => "852" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/33948903" "web" => "Medline" ] ] ] ] ] ] ] ] 11 => array:3 [ "identificador" => "bib0225" "etiqueta" => "12" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Association of visual and quantitative heterogeneity of 18F-FDG PET images with treatment response in locally advanced rectal cancer: A feasibility study" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "P. Martin-Gonzalez" 1 => "E.G. de Mariscal" 2 => "M.E. Martino" 3 => "P.M. Gordalize" 4 => "I. Peligros" 5 => "J.L. Carrelas" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1371/journal.pone.0242597" "Revista" => array:5 [ "tituloSerie" => "PLoS One" "fecha" => "2020" "volumen" => "15" "paginaInicial" => "e0242597" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/33253194" "web" => "Medline" ] ] ] ] ] ] ] ] 12 => array:3 [ "identificador" => "bib0230" "etiqueta" => "13" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Prediction of neoadjuvant radiation chemotherapy response and survival using pretreatment [(18)F]FDG PET/TC scans in locally advanced rectal cancer" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "J.I. Bang" 1 => "S. Ha" 2 => "S.B. Kang" 3 => "K.W. Lee" 4 => "H.S. Lee" 5 => "J.S. Kim" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1007/s00259-015-3180-9" "Revista" => array:7 [ "tituloSerie" => "Eur J Nucl Med Mol Imaging" "fecha" => "2016" "volumen" => "43" "paginaInicial" => "422" "paginaFinal" => "431" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/26338180" "web" => "Medline" ] ] "itemHostRev" => array:3 [ "pii" => "S0015028207038733" "estado" => "S300" "issn" => "00150282" ] ] ] ] ] ] ] 13 => array:3 [ "identificador" => "bib0235" "etiqueta" => "14" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "LIFEx: A Freeware for Radiomic Feature Calculation in Multimodality Imaging to Accelerate Advances in the Characterization of Tumor Heterogeneity" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "C. Nioche" 1 => "F. Orlhac" 2 => "S. Boughdad" 3 => "S. Reuze" 4 => "J. Goya-Ouiti" 5 => "J. Robert" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1158/0008-5472.CAN-18-0125" "Revista" => array:6 [ "tituloSerie" => "Cancer Research" "fecha" => "2018" "volumen" => "78" "paginaInicial" => "4786" "paginaFinal" => "4789" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/29959149" "web" => "Medline" ] ] ] ] ] ] ] ] 14 => array:3 [ "identificador" => "bib0240" "etiqueta" => "15" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:1 [ "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "F. Orlhac" 1 => "C. Nioche" 2 => "I. Buvat" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:2 [ "tituloSerie" => "LIFEx texture user guide" "fecha" => "2019" ] ] ] ] ] ] 15 => array:3 [ "identificador" => "bib0245" "etiqueta" => "16" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Clinical implications of initial FDG-PET/TC in locally advanced rectal cancer treated with neoadjuvant chemoradiotherapy" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "S.J. Lee" 1 => "J.G. Kim" 2 => "S.W. Lee" 3 => "C.S. Chae" 4 => "B.W. Kang" 5 => "Y.J. Lee" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1007/s00280-013-2114-0" "Revista" => array:6 [ "tituloSerie" => "Cancer Chemother Pharmacol" "fecha" => "2013" "volumen" => "71" "paginaInicial" => "1201" "paginaFinal" => "1207" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/23420438" "web" => "Medline" ] ] ] ] ] ] ] ] 16 => array:3 [ "identificador" => "bib0250" "etiqueta" => "17" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Volumetric parameters changes of sequential <span class="elsevierStyleSup">18</span>F-FDG PET/TC for early prediction of recurrence and death in patients with locally advanced rectal cancer treated with preoperative chemoradiotherapy" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "S.J. Kim" 1 => "S. Chang" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/RLU. 0000000000000917" "Revista" => array:6 [ "tituloSerie" => "Clin Nucl Med" "fecha" => "2015" "volumen" => "40" "paginaInicial" => "930" "paginaFinal" => "935" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/26204222" "web" => "Medline" ] ] ] ] ] ] ] ] 17 => array:3 [ "identificador" => "bib0255" "etiqueta" => "18" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "FDG-PET assessment of rectal cancer response to neoadjuvant chemoradiotherapy is not associated with long-term prognosis: A prospective evaluation" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "J.A. Ruby" 1 => "T. Leibold" 2 => "T.J. Akhurst" 3 => "J. Shia" 4 => "L.B. Saltz" 5 => "M. Mazumdar" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/DCR.0b013e318244a666" "Revista" => array:6 [ "tituloSerie" => "Dis Colon Rectum" "fecha" => "2012" "volumen" => "55" "paginaInicial" => "378" "paginaFinal" => "386" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/22426260" "web" => "Medline" ] ] ] ] ] ] ] ] 18 => array:3 [ "identificador" => "bib0260" "etiqueta" => "19" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Prognostic value of metabolic parameters on 18F-fluorodeoxyglucose positron tomography/computed tomography in classical rectal adenocarcinoma" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "B.W. Choi" 1 => "S. Kang" 2 => "S.U. Bae" 3 => "W.K. Jeong" 4 => "S.K. Baek" 5 => "B.I. Song" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1038/s41598-021-92118-x" "Revista" => array:6 [ "tituloSerie" => "Scientific Reports" "fecha" => "2021" "volumen" => "11" "paginaInicial" => "1" "paginaFinal" => "10" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/33414495" "web" => "Medline" ] ] ] ] ] ] ] ] 19 => array:3 [ "identificador" => "bib0265" "etiqueta" => "20" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "FDG PET/TC radiomics for predicting the outcome of locally advanced rectal cancer" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "P. Lovinfosse" 1 => "M. Polus" 2 => "D. Van Daele" 3 => "P. Martinive" 4 => "F. Daenen" 5 => "M. Hatt" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1007/s00259-017-3855-5" "Revista" => array:6 [ "tituloSerie" => "Eur J Nucl Med Mol Imaging" "fecha" => "2018" "volumen" => "45" "paginaInicial" => "365" "paginaFinal" => "375" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/29046927" "web" => "Medline" ] ] ] ] ] ] ] ] 20 => array:3 [ "identificador" => "bib0270" "etiqueta" => "21" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Value of volumetric and textural analysis in predicting the treatment response in patients with locally advanced rectal cancer" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "N.P. Karahan Şen" 1 => "A. Aksu" 2 => "G. Kaya" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1007/s12149-020-01527-x" "Revista" => array:6 [ "tituloSerie" => "Ann Nucl Med" "fecha" => "2020" "volumen" => "34" "paginaInicial" => "960" "paginaFinal" => "967" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32951129" "web" => "Medline" ] ] ] ] ] ] ] ] 21 => array:3 [ "identificador" => "bib0275" "etiqueta" => "22" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Tumor texture analysis in <span class="elsevierStyleSup">18</span>F-FDG PET: Relationships between texture parameters, histogram indices, standardized uptake values, metabolic volumes, and total lesion glycolysis" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:6 [ 0 => "F. Orlhac" 1 => "M. Soussan" 2 => "J.A. Maisonobe" 3 => "C.A. Garcia" 4 => "B. Vanderlinden" 5 => "I. Buvat" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.2967/jnumed.113.129858" "Revista" => array:6 [ "tituloSerie" => "J Nucl Med" "fecha" => "2014" "volumen" => "55" "paginaInicial" => "414" "paginaFinal" => "422" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/24549286" "web" => "Medline" ] ] ] ] ] ] ] ] 22 => array:3 [ "identificador" => "bib0280" "etiqueta" => "23" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Intratumor heterogeneity characterized by textural features on baseline <span class="elsevierStyleSup">18</span>F-FDG PET images predicts response to concomitant radiochemotherapy in esophageal cancer" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "F. Tixier" 1 => "C.C. Le Rest" 2 => "M. Hatt" 3 => "N. Albarghach" 4 => "O. Pradier" 5 => "J.P. Metges" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.2967/jnumed.110.082404" "Revista" => array:6 [ "tituloSerie" => "J Nucl Med" "fecha" => "2011" "volumen" => "52" "paginaInicial" => "369" "paginaFinal" => "378" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/21321270" "web" => "Medline" ] ] ] ] ] ] ] ] 23 => array:3 [ "identificador" => "bib0285" "etiqueta" => "24" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Evaluation of a cumulative SUV-volume histogram method for parameterizing heterogeneous intratumoural FDG uptake in non-small cell lung cancer PET studies" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "F.H. van Velden" 1 => "P. Cheebsumon" 2 => "M. Yaqub" 3 => "E.F. Smit" 4 => "O.S. Hoekstra" 5 => "A.A. Lammertsma" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1007/s00259-011-1845-6" "Revista" => array:6 [ "tituloSerie" => "Eur J Nucl Med Mol Imaging" "fecha" => "2011" "volumen" => "38" "paginaInicial" => "1636" "paginaFinal" => "1647" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/21617975" "web" => "Medline" ] ] ] ] ] ] ] ] 24 => array:3 [ "identificador" => "bib0290" "etiqueta" => "25" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Reliability of PET/TC Shape and Heterogeneity Features in Functional and Morphologic Components of Non-Small Cell Lung Cancer Tumors: A Repeatability Analysis in a Prospective Multicenter Cohort" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "M.C. Desseroit" 1 => "F. Tixier" 2 => "W.A. Weber" 3 => "B.A. Siegel" 4 => "C. Cheze Le Rest" 5 => "D. Visvikis" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.2967/jnumed.116.180919" "Revista" => array:6 [ "tituloSerie" => "J Nucl Med" "fecha" => "2017" "volumen" => "58" "paginaInicial" => "406" "paginaFinal" => "411" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/27765856" "web" => "Medline" ] ] ] ] ] ] ] ] 25 => array:3 [ "identificador" => "bib0295" "etiqueta" => "26" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Repeatability of Radiomic Features in Non-Small-Cell Lung Cancer [(18)F]FDG-PET/TC Studies: Impact of Reconstruction and Delineation" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "F.H. van Velden" 1 => "G.M. Kramer" 2 => "V. Frings" 3 => "I.A. Nissen" 4 => "E.R. Mulder" 5 => "A.J. de Langen" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1007/s11307-016-0940-2" "Revista" => array:6 [ "tituloSerie" => "Mol Imaging Biol" "fecha" => "2016" "volumen" => "18" "paginaInicial" => "788" "paginaFinal" => "795" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/26920355" "web" => "Medline" ] ] ] ] ] ] ] ] 26 => array:3 [ "identificador" => "bib0300" "etiqueta" => "27" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Reproducibility of tumor uptake heterogeneity characterization through textural feature analysis in <span class="elsevierStyleSup">18</span>F-FDG PET" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:6 [ 0 => "F. Tixier" 1 => "M. Hatt" 2 => "C.C. Le Rest" 3 => "A. Le Pogam" 4 => "L. Corcos" 5 => "D. Visvikis" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.2967/jnumed.111.099127" "Revista" => array:6 [ "tituloSerie" => "J Nucl Med" "fecha" => "2012" "volumen" => "53" "paginaInicial" => "693" "paginaFinal" => "700" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/22454484" "web" => "Medline" ] ] ] ] ] ] ] ] 27 => array:3 [ "identificador" => "bib0305" "etiqueta" => "28" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Radiomics in Oncological PET/TC: A Methodological Overview" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:4 [ 0 => "S. Ha" 1 => "H. Choi" 2 => "J.C. Paeng" 3 => "G.J. Cheon" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1007/s13139-019-00571-4" "Revista" => array:6 [ "tituloSerie" => "Nucl Med Mol Imaging" "fecha" => "2019" "volumen" => "53" "paginaInicial" => "14" "paginaFinal" => "29" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30828395" "web" => "Medline" ] ] ] ] ] ] ] ] 28 => array:3 [ "identificador" => "bib0310" "etiqueta" => "29" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Revisiting the Robustness of PET-Based Textural Features in the Context of Multi-Centric Trials" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "C. Bailly" 1 => "C. Bodet-Milin" 2 => "S. Couespel" 3 => "H. Necib" 4 => "F. Kraeber-Bodéré" 5 => "C. Ansquer" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1371/journal.pone.0159984" "Revista" => array:5 [ "tituloSerie" => "PLoS One" "fecha" => "2016" "volumen" => "11" "paginaInicial" => "e0159984" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/27467882" "web" => "Medline" ] ] ] ] ] ] ] ] 29 => array:3 [ "identificador" => "bib0315" "etiqueta" => "30" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Identification of low variability textural features for heterogeneity quantification of (18)F-FDG PET/TC imaging" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:4 [ 0 => "J. Cortes-Rodicio" 1 => "G. Sanchez-Merino" 2 => "M.A. Garcia-Fidalgo" 3 => "I. Tobalina-Larrea" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.remn.2016.04.002" "Revista" => array:7 [ "tituloSerie" => "Rev Esp Med Nucl Imagen Mol" "fecha" => "2016" "volumen" => "35" "paginaInicial" => "379" "paginaFinal" => "384" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/27174866" "web" => "Medline" ] ] "itemHostRev" => array:3 [ "pii" => "S1472648320301723" "estado" => "S300" "issn" => "14726483" ] ] ] ] ] ] ] 30 => array:3 [ "identificador" => "bib0320" "etiqueta" => "31" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Radiomics in Nuclear Medicine Applied to Radiation Therapy: Methods Pitfalls, and Challenges" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "S. Reuzé" 1 => "A. Schernberg" 2 => "F. Orlhac" 3 => "R. Sun" 4 => "C. Chargari" 5 => "L. Dercle" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.ijrobp.2018.05.022" "Revista" => array:5 [ "tituloSerie" => "Int J Radiat Oncol Biol Phys." "fecha" => "2018" "volumen" => "102" "paginaInicial" => "1117" "paginaFinal" => "1142" ] ] ] ] ] ] 31 => array:3 [ "identificador" => "bib0325" "etiqueta" => "32" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Understanding Changes in Tumor Texture Indices in PET: A Comparison Between Visual Assessment and Index Values in Simulated and Patient Data" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:4 [ 0 => "F. Orlhac" 1 => "C. Nioche" 2 => "M. Soussan" 3 => "I. Buvat" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.2967/jnumed.116.181859" "Revista" => array:6 [ "tituloSerie" => "J Nucl Med" "fecha" => "2017" "volumen" => "58" "paginaInicial" => "387" "paginaFinal" => "392" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/27754906" "web" => "Medline" ] ] ] ] ] ] ] ] 32 => array:3 [ "identificador" => "bib0330" "etiqueta" => "33" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Multiscale Texture Analysis: From <span class="elsevierStyleSup">18</span>F-FDG PET Images to Histologic Images" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:5 [ 0 => "F. Orlhac" 1 => "B. Thézé" 2 => "M. Soussan" 3 => "R. Boisgard" 4 => "I. Buvat" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.2967/jnumed.116.173708" "Revista" => array:6 [ "tituloSerie" => "J Nucl Med" "fecha" => "2016" "volumen" => "57" "paginaInicial" => "1823" "paginaFinal" => "1828" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/27261515" "web" => "Medline" ] ] ] ] ] ] ] ] ] ] ] ] "agradecimientos" => array:1 [ 0 => array:4 [ "identificador" => "xack699337" "titulo" => "Agradecimientos" "texto" => "<p id="par0140" class="elsevierStylePara elsevierViewall">Ninguno.</p>" "vista" => "all" ] ] ] "idiomaDefecto" => "es" "url" => "/2253654X/0000004200000004/v2_202311010733/S2253654X2300001X/v2_202311010733/es/main.assets" "Apartado" => array:4 [ "identificador" => "7910" "tipo" => "SECCION" "es" => array:2 [ "titulo" => "Originales" "idiomaDefecto" => true ] "idiomaDefecto" => "es" ] "PDF" => "https://static.elsevier.es/multimedia/2253654X/0000004200000004/v2_202311010733/S2253654X2300001X/v2_202311010733/es/main.pdf?idApp=UINPBA00004N&text.app=https://www.elsevier.es/" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2253654X2300001X?idApp=UINPBA00004N" ]
