Influence of image slice thickness on rectal dose–response relationships following radiotherapy of prostate cancer
Notice bibliographique
Résumé
When pooling retrospective data from different cohorts, slice thicknesses of acquired computed tomography (CT) images used for treatment planning may vary between cohorts. It is, however, not known if varying slice thickness influences derived dose-response relationships. We investigated this for rectal bleeding using dose-volume histograms (DVHs) of the rectum and rectal wall for dose distributions superimposed on images with varying CT slice thicknesses. We used dose and endpoint data from two prostate cancer cohorts treated with three-dimensional conformal radiotherapy to either 74 Gy (N = 159) or 78 Gy (N = 159) at 2 Gy per fraction. The rectum was defined as the whole organ with content, and the morbidity cut-off was Grade ≥2 late rectal bleeding. Rectal walls were defined as 3 mm inner margins added to the rectum. DVHs for simulated slice thicknesses from 3 to 13 mm were compared to DVHs for the originally acquired slice thicknesses at 3 and 5 mm. Volumes, mean, and maximum doses were assessed from the DVHs, and generalized equivalent uniform dose (gEUD) values were calculated. For each organ and each of the simulated slice thicknesses, we performed predictive modeling of late rectal bleeding using the Lyman-Kutcher-Burman (LKB) model. For the most coarse slice thickness, rectal volumes increased (≤18%), whereas maximum and mean doses decreased (≤0.8 and ≤4.2 Gy, respectively). For all a values, the gEUD for the simulated DVHs were ≤1.9 Gy different than the gEUD for the original DVHs. The best-fitting LKB model parameter values with 95% CIs were consistent between all DVHs. In conclusion, we found that the investigated slice thickness variations had minimal impact on rectal dose-response estimations. From the perspective of predictive modeling, our results suggest that variations within 10 mm in slice thickness between cohorts are unlikely to be a limiting factor when pooling multi-institutional rectal dose data that include slice thickness variations within this range.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».