Lymph node count threshold for optimal pelvic lymph node staging in prostate cancer
Notice bibliographique
Résumé
OBJECTIVES: To test the relationship between the extent of pelvic lymph node dissection at radical prostatectomy and the rate of lymph node metastases, and to identify the ideal number of lymph nodes that should be removed to achieve an optimal staging. METHODS: We assessed 20 789 prostate cancer patients treated with radical prostatectomy and pelvic lymph node dissection between 2004 and 2006. Receiver operating characteristics analyses were used to define the probability of correctly staging lymph node metastases patients according to lymph node count. Univariable and multivariable regression analyses tested the relationship between lymph node count and lymph node metastases rate. RESULTS: The average lymph node count was 6.4 (median 5.0). Overall, the lymph node metastases rate was 2.5%; and it resulted to be 0.2, 1.5 and 6.7% in low, intermediate and high-risk tumors, respectively. The rate of lymph node metastases was 3.5 and 6.7% in patients with 10 and 20 lymph node count, respectively. Removing 20 lymph nodes yielded a 90% probability of correctly staging lymph node metastases, regardless of risk group. In multivariable analysis, lymph node count was an independent predictor of lymph node metastases stage (odds ratio: 1.07, P < 0.001). CONCLUSIONS: A direct relationship might exist between the extent of pelvic lymph node dissection and the lymph node metastases rate. An extended pelvic lymph node dissection with at least 20 lymph nodes would offer correct lymph node staging in 90% of cases, regardless of tumor characteristics. This cut-off might be considered adequate by most surgeons. Such a high lymph node yield necessitates an anatomically extended pelvic lymph node dissection.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».