External validation of the updated briganti nomogram to predict lymph node invasion in prostate cancer patients undergoing extended lymph node dissection
Notice bibliographique
Résumé
PURPOSE: We aimed to test accuracy and generalizability of a recently updated nomogram to assess the probability of lymph node invasion (LNI), when applied to a different European cohort of men undergoing radical prostatectomy (RP) with extended pelvic lymph node dissection (ePLND). MATERIALS AND METHODS: The study cohort consisted of 1,282 men with clinically localized PCa who underwent RP and ePLND, including removal of obturator, external iliac, and hypogastric lymph nodes, between 01/2007 and 08/2011. Descriptive measurements included preoperative clinical and biopsy variables, such as prostate-specific antigen (PSA), clinical stage (CS), primary and secondary biopsy Gleason pattern, and percentage of positive cores. We used the area under curve (AUC) of the receiver operator characteristic analysis to quantify accuracy of the model to predict LNI. The extent of over- or under-estimation was explored graphically within loess calibration plots. RESULTS: The median number of removed lymph nodes was 15 with an interquartile range of 12-20. Twelve percent (n = 155) of men had LNI. Preoperative clinical and biopsy characteristics differed significantly (all P ≤ 0.002) between men with LNI and those without. External validation of the previously reported updated LNI nomogram showed very good accuracy (AUC: 0.829). A nomogram-derived cut-off of 4% could lead to a reduction of 48% of lymph node dissection, while missing 10% of patients with LNI. CONCLUSIONS: We report the external validation of an updated LNI nomogram, demonstrating accuracy and applicability in a different European cohort. A nomogram-derived cut-off of 4% confirmed good performance characteristics within a different external validation cohort.
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 | 0,014 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».