Pre‐treatment biomarker levels improve the accuracy of post‐prostatectomy nomogram for prediction of biochemical recurrence
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: We tested the ability of several pre-operative blood-based biomarkers to enhance the accuracy of standard post-operative features for the prediction of biochemical recurrence (BCR) after radical prostatectomy (RP). METHODS: Pre-operative plasma levels of Endoglin, interleukin-6 (IL-6), interleukin-6 soluble receptor (IL-6sR), transforming growth factor-beta1 (TGF-beta1), urokinase plasminogen activator (uPA), urokinase plasminogen inhibitor-1 (PAI-1), urokinase plasminogen receptor (uPAR), vascular cell adhesion molecule-1 (VCAM1), and vascular endothelial growth factor (VEGF) were measured using commercially available enzyme immunoassays in 423 consecutive patients treated with RP for clinically localized prostate cancer. Standard post-operative features consisted of surgical margin status, extracapsular extension, seminal vesicle invasion, lymph node involvement, and pathologic Gleason sum. Multivariable modeling was used to explore the gain in the predictive accuracy. The accuracy was quantified by the c-index statistic and was internally validated with 200 bootstrap resamples. RESULTS: Plasma IL-6 (P = 0.03), IL-6sR (P < 0.001), TGF-beta1 (P = 0.005), and V-CAM1 (P = 0.01) achieved independent predictor status after adjusting for the effects of standard post-operative features. After stepwise backward variable elimination, a model relying on RP Gleason sum, IL-6sR, TGF-beta1, VCAM1, and uPA improved the predictive accuracy of the standard post-operative model by 4% (86.1% vs. 82.1%, P < 0.001). CONCLUSIONS: Pre-operative plasma biomarkers improved the accuracy of established post-operative prognostic factors of BCR by a significant margin. Incorporation of these biomarkers into standard predictive models may allow more accurate identification of patients who are likely to fail RP thereby allowing more efficient delivery of adjuvant therapy.
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.
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 découle