A nomogram is more accurate than a regression tree in predicting lymph node invasion in prostate cancer
Notice bibliographique
Résumé
OBJECTIVE: To compare the performance and discriminant properties of two instruments (a tree-structured regression model and a logistic regression-based nomogram), recently developed to predict lymph node invasion (LNI) at radical prostatectomy (RP), in a contemporary cohort of European patients. PATIENTS AND METHODS: The cohort comprised 1525 consecutive men treated with RP and bilateral pelvic LN dissection (PLND) in two tertiary academic centres in Europe. Clinical stage, pretreatment prostate-specific antigen (PSA) level and biopsy Gleason sum were used to test the ability of the regression tree and the nomogram to predict LNI. Accuracy was quantified by the area under the receiver operating characteristic curve (AUC). All analyses were repeated for each participating institution. RESULTS: The AUC for the nomogram was 81%, vs 77% for the regression tree (P = 0.007). When data were stratified according to institution, the nomogram invariably had a higher AUC than the regression tree (Hamburg cohort: nomogram 82.1% vs regression tree 77.0%, P = 0.002; Milan cohort: 82.4% vs 75.9%, respectively; P = 0.03). CONCLUSIONS: Nomogram-based predictions of LNI were more accurate than those derived from a regression tree; therefore, we recommend the use of nomogram-derived predictions.
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 | 0,007 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 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 ».