Is there a relationship between testosterone levels at the end of short-term androgen deprivation therapy and outcomes in intermediate risk prostate cancer? Prospective data from a phase III trial.
Notice bibliographique
Résumé
78 Background: The purpose of this analysis was to assess whether the testosterone level measured at the end of short term androgen deprivation therapy (STADT) and prostate radiotherapy (RT) has an impact on treatment outcomes in patients with intermediate risk prostate cancer (IRPC) treated on a randomized trial (PCS III ClinicalTrials.gov #NCT00223145). Methods: From December 2000 to September 2010, 400 patients with IRPC received 6 months of STADT (bicalutamide 50mg die and goserelin 10.8mg x 2) and RT. Castrate level of testosterone was defined as <1.7 nmol/L: lower level <0.7 and upper level 0.7-1.7. In 347/400 patients, testosterone levels were available at the end of STADT and were divided into 3 groups based on measured testosterone levels: <0.7, 0.7 to 1.7 and >1.7 nmol/L. Patient’s characteristics were compared with ANOVA and Fisher’s exact test. Biochemical failure, prostate cancer recurrence and death were compared with Cox regression. Results: Patient’s characteristics were well balanced between the 3 groups with no statistical difference for age, performance status, PSA at start, Gleason score and stage. At the end of STADT 55.3% (192/347) presented testosterone levels <0.7 and 38.9% (135/347) levels between 0.7 and 1.7 for a total of 94.2% (327/ 347) reaching castrate levels ≤1.7 nmol/L. In 5.8% of patients (20/347) a castrate testosterone level was not achieved. With a median follow-up of 8.1 years, outcomes are shown in the table. Conclusions: In IRPC patients treated with STADT and RT, the majority of patients (94.2%) achieve a castrate level of testosterone (<1.7 nmol/L). Although we could not show a difference in outcomes between castrate and non-castrate patients, these data have to be viewed with caution given the small number of non-castrate patients studied. Source of Funding: AstraZeneca Pharmaceuticals Grant. Clinical trial information: NCT00223145. [Table: see text]
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 | 0,008 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».