Age at diagnosis is a determinant factor of renal cell carcinoma– specific survival in patients treated with nephrectomy
Notice bibliographique
Résumé
OBJECTIVE: Based on combined data for 4880 patients, 2 previous studies reported that advanced age is a predictor of increased renal cell carcinoma-specific mortality (RCC-SM). We explored the effect of age in cubic spline analyses to identify the age groups with the most elevated risk for renal cell carcinoma (RCC). METHODS: Our study included 3595 patients from 14 European centres who had partial or radical nephrectomies. We used the Kaplan-Meier method to compile life tables, and we performed Cox regression analyses to assess RCC-SM. Covariates included age at diagnosis, sex, TNM (tumour, node, metastasis) stage, tumour size, Fuhrman grade, symptom classification and histological subtype. RESULTS: Age ranged from 10 to 89 (mean 63, median 67) years. The median duration of follow-up was 2.9 years. The median survival for the cohort was 13.4 years. Stage distribution was as follows: 1915 patients (53.3%) had stage I disease, 388 (10.8%) had stage II, 895 (24.9%) had stage III and 397 (11.0%) had stage IV disease. In multivariate analyses, we coded age at diagnosis as a cubic spline, and it achieved independent predictor status (p < 0.001). The risk of RCC-SM was lowest among patients younger than 50 years. We observed an increase in RCC-SM until the age of 50, at which point the level of risk reached a plateau. We observed a second increase among patients aged 75-89 years. We found similar patterns when we stratified patients according to the 2002 American Joint Committee on Cancer (AJCC) stages. CONCLUSION: The effect of age shows prognostic significance and indicates that follow-up and possibly secondary treatments might need to be adjusted according to the age of the patient.
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) | 0,001 | 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) | 0,001 | 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 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 ».