Nomogram prediction for prostate cancer and aggressive prostate cancer at time of biopsy: utilizing all risk factors and tumor markers for prostate cancer.
Notice bibliographique
Résumé
BACKGROUND: There is a large amount of confusion in interpreting prostate specific antigen (PSA) values for prostate cancer. More precise risk assessments for prostate cancer detection are needed for men faced with an abnormal PSA. METHODS: We studied a sample of 2,637 men who underwent a prostate biopsy for an abnormal digital rectal exam (DRE) or PSA. Using factors including age, ethnicity, family history of prostate cancer, previous negative biopsy, presence of voiding symptoms, prostate volume, DRE and PSA, we constructed nomograms to predict the probability of prostate cancer at biopsy. RESULTS: Of the 2,637 men, 1,282 men (48.6%) had prostate cancer detected. Age, ethnicity, family history of prostate cancer, a previous negative biopsy, prostate volume, DRE and PSA were all significant predictors of prostate cancer. Nomograms were constructed based on these factors to predict the risk of prostate cancer and of aggressive prostate cancer (defined as a Gleason Score 7 or more). The positive predictive value varied from 5% to 95% based on the nomograms. The nomograms were validated using bootstrapping methods and the expected and observed proportions were found to be highly concordant. CONCLUSIONS: For men with an abnormal PSA or DRE, the risk for prostate cancer can be accurately estimated using a nomogram based on age, ethnicity, family history of prostate cancer, previous negative biopsy, presence of voiding symptoms, prostate volume, DRE and PSA. This tool will aid physicians and patients in determining the need for prostate biopsy.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».