Management of Localized Kidney Cancer: Calculating Cancer-specific Mortality and Competing Risks of Death for Surgery and Nonsurgical Management
Notice bibliographique
Résumé
BACKGROUND: For elderly individuals with localized renal cell carcinoma (RCC), surgical intervention remains the primary treatment option but may not benefit patients with limited life expectancy. OBJECTIVE: To calculate the trade-offs between surgical excision and nonsurgical management (NSM) with respect to competing causes of mortality. DESIGN, SETTING, AND PARTICIPANTS: Relying on a cohort of Medicare beneficiaries, all patients with nonmetastatic node-negative T1 RCC between 1988 and 2005 were abstracted. INTERVENTION: All patients were treated with partial nephrectomy (PN), radical nephrectomy (RN), or NSM. OUTCOME MEASUREMENTS AND STATISTICAL ANALYSIS: Cancer-specific mortality (CSM) and other-cause mortality (OCM) rates were modeled through competing-risks regression methodologies. Instrumental variable analysis was used to account for the potential biases associated with measured and unmeasured confounders. RESULTS AND LIMITATIONS: A total of 10 595 patients were identified. In instrumental variable analysis, patients treated with PN (hazard ratio [HR]: 0.45; 95% confidence interval [CI], 0.24-0.83; p=0.01) or RN (HR: 0.58; 95% CI, 0.35-0.96; p=0.03) had a significantly lower risk of CSM than those treated with NSM. In subanalyses restricted to patients ≥ 75 yr, the instrumental variable analysis failed to detect any statistically significant difference between PN (HR: 0.48; p=0.1) or RN (HR: 0.57; p=0.1) relative to NSM with respect to CSM. Similar trends were observed in T1a RCC only. CONCLUSIONS: PN or RN is associated with a reduction of CSM among older patients diagnosed with localized RCC, compared with NSM. The same benefit failed to reach statistical significance among patients ≥ 75 yr. The harms of surgery need to be weighed against the marginal survival benefit for some patients.
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 | 0,000 |
| 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 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 ».