A direct comparison of the diagnostic accuracy of three prostate cancer nomograms designed to predict the likelihood of a positive initial transrectal biopsy
Notice bibliographique
Résumé
BACKGROUND: Several tools have been developed to predict the outcome of prostate biopsies performed to diagnosis prostate cancer (PCa). However, few studies have focused on the comparative accuracy of these predictive tools. We aim to establish the predictive accuracy of three commonly used nomograms by comparing their prostate biopsy outcome predictions with actual pathological results. METHODS: From January 2008 to December 2010, 708 consecutive patients with an elevated serum PSA level and/or abnormal DRE were referred to our institution. All data were collected prospectively. All patients underwent a TRUS 12-core biopsy. Probability of a positive biopsy was predicted using three online risk calculation nomograms. The discriminative ability of the nomograms was assessed via AUC and the most accurate model was calibrated and compared to actual biopsy results. RESULTS: Of 667 patients fulfilling all three nomograms criteria, 384 (57.5%) had PCa and 283 (42.5%) did not. AUC for the PCPT-CRC, SWOP-PRI, and Montreal nomograms was 0.68 (95% CI, 0.63-0.72), 0.72 (95% CI, 0.68-0.76), and 0.79 (95% CI, 0.76-0.82), respectively. A comparison of the three models' performance showed that the Montreal model provided the greatest predictive accuracy (P = 0.03). CONCLUSIONS: External validation of three commonly used nomograms designed to predict the likelihood of a positive prostate biopsy reveals the Montreal model was more accurate than either the PCPT-CRC or SWOP-PRI models. The Montreal nomogram achieves a diagnostic accuracy of 79% and is superior to PSA alone though we await further research to define the probability (of cancer) threshold above which a prostate biopsy would be advised.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».