A HOSPITAL-BASED STUDY OF INITIAL OBSERVATION FOR LOW-RISK PROSTATE CANCER AND ITS PREDICTORS IN THE UNITED STATES
Notice bibliographique
Résumé
INTRODUCTION: Initial observation (IO) is a strategy to minimize prostate cancer overtreatment. We sought to evaluate contemporary trends in IO utilization for low-risk prostate cancer in the United States and to identify factors associated with its uptake. METHODS: Using the National Cancer Database, we identified men with low-risk prostate cancer diagnosed between 2004 and 2011. IO utilization was plotted over time. Multivariate logistic regression was performed to determine the influence of diagnosis year and other factors on IO selection. RESULTS: Of the 219 971 men with low-risk prostate cancer, 21 231 (9.7%) underwent IO. Beginning in 2008, IO use increased significantly with time (range: 7.5%-14.3%). Compared to 2004, patients diagnosed in 2011 had 2.5 times the odds of choosing IO (odds ratio [OR] 2.5, confidence interval [CI] 2.3-2.6, p < 0.01). Aside from diagnosis year, age, race, Charlson score, clinical T stage, and PSA level predicted IO use (p < 0.01). Other predictors of IO included hospital type, insurance provider, and household income. Specifically, comprehensive cancer centres, private insurance, and higher income predicted decreased IO usage (OR 0.5, CI 0.5-0.5, p < 0.01; OR 0.4, CI 0.4-0.4, p < 0.01; and OR 0.8, CI 0.8-0.9, p < 0.01, respectively). Less educated men were also less likely to undergo observation (OR 0.8, CI 0.8-0.9, p < 0.01). Treatment within the western United States was significantly, but weakly, associated with increased use of IO (p < 0.01). CONCLUSIONS: In recent years, low-risk prostate cancer has been increasingly managed with IO, appropriately driven by patient and disease factors. Unexpectedly, observation usage also varies by race, hospital, insurance, income, and geography, suggesting that non-clinical factors may affect treatment selection.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,002 | 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 ».