Patients with distant metastases from renal cell carcinoma can be accurately identified: external validation of a new nomogram
Notice bibliographique
Résumé
OBJECTIVE: To identify clinical variables that can accurately predict the presence of distant metastases in patients with renal cell carcinoma (RCC). PATIENTS AND METHODS: Age, symptom classification, tumour size and the prevalence of distant metastases at diagnosis before nephrectomy were available for 5376 patients with pathologically confirmed RCC. The data of 2660 (49.5%) patients from 11 centres were used to develop a multivariable logistic regression model-based nomogram predicting the individual probability of distant metastases. The remaining data from 2716 (50.5%) patients from three institutions were used for external validation. RESULTS: In the development cohort, 269/2660 (10.1%) had distant metastases, vs 285/2716 (10.5%) in the external validation cohort. Symptom classification and tumour size were independent predictors of distant metastases in the development cohort; age was not an independent predictor. A nomogram based on symptom classification and tumour size was 85.2% accurate in predicting the individual probability of distant metastases in the external validation cohort. CONCLUSION: Although distant metastases might be easily identifiable in some patients, their diagnosis might be a challenge in others. The current nomogram provides a simple, user-friendly and, most importantly, an accurate tool aimed at predicting the probability of distant metastases in patients with RCC.
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 | 0,006 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 | 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 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 ».