Pre-treatment risk stratification of prostate cancer patients: A critical review
Notice bibliographique
Résumé
INTRODUCTION: The use of accepted prostate cancer risk stratification groups based on prostate-specific antigen, T stage and Gleason score assists in therapeutic treatment decision-making, clinical trial design and outcome reporting. The utility of integrating novel prognostic factors into an updated risk stratification schema is an area of current debate. The purpose of this work is to critically review the available literature on novel pre-treatment prognostic factors and alternative prostate cancer risk stratification schema to assess the feasibility and need for changes to existing risk stratification systems. METHODS: A systematic literature search was conducted to identify original research publications and review articles on prognostic factors and risk stratification in prostate cancer. Search terms included risk stratification, risk assessment, prostate cancer or neoplasms, and prognostic factors. Abstracted information was assessed to draw conclusions regarding the potential utility of changes to existing risk stratification schema. RESULTS: The critical review identified three specific clinically relevant potential changes to the most commonly used three-group risk stratification system: (1) the creation of a very-low risk category; (2) the splitting of intermediate-risk into a low- and high-intermediate risk groups; and (3) the clarification of the interface between intermediate- and high-risk disease. Novel pathological factors regarding high-grade cancer, subtypes of Gleason score 7 and percentage biopsy cores positive were also identified as potentially important risk-stratification factors. CONCLUSIONS: Multiple studies of prognostic factors have been performed to create currently utilized prostate cancer risk stratification systems. We propose potential changes to existing systems.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 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 ».