An analysis of patients with <scp>T</scp> 2 renal cell carcinoma ( <scp>RCC</scp> ) according to tumour size: a population‐based analysis
Notice bibliographique
Résumé
OBJECTIVE: To examine the discriminant properties of the most contemporary version of the Tumour-Node-Metastasis (TNM) staging for renal cell carcinoma (RCC) sub-classification of T2 lesions according to a threshold size of 10 cm. Other thresholds were also assessed. PATIENTS AND METHODS: Between 1988 and 2006, within the Surveillance, Epidemiology, and End Results database, patients with T2 N0-2 M0-1 RCC treated with a nephrectomy were abstracted. Tumour size was evaluated according to several thresholds: ≥8, ≥9, ≥10, ≥11, and ≥12 cm. Kaplan-Meier and life tables for cancer-specific mortality (CSM) were computed. Several Cox regression modes were fitted for prediction of CSM, using different thresholds. The predictive accuracy of various thresholds was compared using the area under the curve and methods of calibration. RESULTS: In all, 4963 patients were identified. Kaplan-Meier analyses showed statistically significant CSM-free survival differences between all examined thresholds. In multivariable Cox-regression models, all tested tumour size thresholds emerged as independent predictors of CSM. Of all thresholds, the values of 9 (0.55) and 11 cm (0.55) achieved the highest discrimination in univariable analysis, followed by 10 (0.539), 12 (0.539), and 8 cm (0.531). When the thresholds were combined with all other variables, the 11 cm (0.688) achieved the highest discrimination. CONCLUSION: The discriminant properties of all examined thresholds showed very similar discriminant properties, which brings into questioning whether a dichotomization of pT2 tumours is really necessary.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».