The accuracy of three predictive models in the evaluation of recurrence rates for gastrointestinal stromal tumors
Notice bibliographique
Résumé
BACKGROUND: Treatment decisions for gastrointestinal stromal tumors (GIST) are frequently guided by tumor characteristics. An accurate prediction of recurrence is important to determine the benefit from targeted therapy. Our goal was to compare the concordance of three validated risk stratification schemes with observed outcomes in patients undergoing resection for GISTs. METHODS: Patients who underwent surgery for GISTs from 2001 to 2011 at a tertiary centre were identified. Survival was evaluated using the Kaplan-Meier product-limit method. Cox proportional hazard models were used to obtain predicted recurrence for each system and concordance indices were calculated. RESULTS: Of 110 patients identified, 77 (70.0%) had surgery and 29 (26.4%) also received adjuvant therapy. The majority of patients had tumors that were very low (4.5%), low (32.7%), or intermediate (22.7%) in terms of malignant potential. R0 resection was achieved in 89.1% of cases. Observed 2-year and 5-year recurrence rates were significantly lower than those predicted by the Memorial Sloan Kettering Cancer Center nomogram (7.6% vs. 19.3% and 18.4% vs. 27.0%); however, it was the most favorable tool compared to the US National Institutes of Health (NIH)-consensus (P = 0.0017) and modified NIH-consensus (P < 0.001), with a concordance index of 0.811. CONCLUSION: Development of a novel predictive tool that includes additional prognostic factors may better stratify recurrence following resection for GIST.
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 | 0,006 | 0,003 |
| 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 ».