OVSCORE - a validated score to identify ovarian cancer patients not suitable for primary surgery
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
Following primary debulking surgery, the presence of a residual tumor mass is one of the most important prognostic factors in ovarian cancer. In a previous study, we established the OVSCORE, an algorithm to predict surgical outcome, based on the clinical factors of nuclear grading and ascitic fluid volume, plus the cancer biomarkers, kallikrein-related peptidases (KLKs), KLK6 and KLK13. In the present study, OVSCORE performance was tested in an independent ovarian cancer patient cohort consisting of 87 patients. The impact of KLKs, KLK5, 6, 7 and 13 and other clinical factors on patient prognosis and outcome was also evaluated. The OVSCORE proved to be a strong and statistically significant predictor of surgical success in terms of area under the receiver operating characteristic curve (ROC AUC, 0.777), as well as positive and negative predictive value in this independent study group. KLK6 and 13 individually did not show clinical relevance in this cohort, but two other KLKs, KLK5 and KLK7, were associated with advanced FIGO stage, higher nuclear grade and positive lymph node status. In the multivariate Cox regression analysis for overall survival (OS), KLK7 had a protective impact on OS. This study confirms the role of KLKs in ovarian cancer for surgical success and survival, and validates the novel OVSCORE algorithm in an independent collective. As a key clinical application, the OVSCORE could aid gynecological oncologists in identifying those ovarian cancer patients unlikely to benefit from radical surgery who could be candidates for alternative therapeutic approaches.
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) | 0,001 | 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