What false-negative rates of non-invasive testing are active surveillance patients and uro-oncologists willing to accept in order to avoid prostate biopsy?
Notice bibliographique
Résumé
Introduction: Repeat prostate biopsies in active surveillance patients are associated with significant complications. Novel imaging and blood/urine-based non-invasive tests are being developed to better predict disease grade and volume progression. We conducted a theoretical study to determine what test performance characteristics and costs would a non-invasive test(s) require in order for patients and their physicians to comfortably avoid biopsy.Methods: Surveys were administered to two populations to determine an acceptable false-negative rate and cost for such test(s). Active surveillance patients were recruited at time of followup in clinic at Princess Margaret Cancer Centre. Physician members of the Society of Urological Oncology were targeted via an online survey. Participants were questioned about their demographics and other characteristics that might influence chosen error rates and cost.Results: 136 patients and 670 physicians were surveyed, with 130 (95.6%) and 104 (15.5%) responses obtained, respectively. A vast majority of patients (90.6%) were comfortable with a non-invasive test(s) in place of biopsy, with 64.8% accepting a false-negative rate of 5‒20%. Most physicians (93.3%) were comfortable with a non-invasive test, with 77.9% accepting a rate of 5‒20%. Most patients and physicians felt that a cost of less than $1000 per administration would be reasonable.Conclusions: Most patients/physicians are comfortable with a non-invasive test(s). Although a 5% error rate seems acceptable to many, a substantial subset feels that 99% or higher negative predictive value is required. Thus, a personalized approach with shared decision-making between patients and physicians is essential to optimize patient care in such situations.
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 | 0,015 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».