Refined estimates of local recurrence risks and the impact of the DCIS score adjusting for clinico-pathological features: Meta-analysis of E5194 and Ontario DCIS cohort studies.
Notice bibliographique
Résumé
528 Background: Better tools are needed to estimate the risk of local recurrence (LR; DCIS or invasive) after breast-conserving surgery (BCS) for DCIS to inform treatment decisions. The DCIS Score (DS) was validated as a predictor of LR in E5194 and Ontario DCIS Cohort (ODC) after BCS without radiation (Solin,2013; Rakovitch,2015). We performed a meta-analysis (MA) combining data from E5194 and ODC with additional follow-up from E5194 adjusting for pertinent clinico-pathologic factors to provide refined prediction estimates of LR risk after BCS alone. Methods: The MA used data from E5194 and ODC. Patients with positive margins and multifocality were excluded. Identical Cox regression models were fit including age at diagnosis ( < 50, ≥50 yr), tumor size (1cm, > 1cm), DCIS Score and year of surgery (before vs after 2000). Grade was not significant. MA was used to calculate precision-weighted estimates of 10 year LR risk by DS. Results: Combined cohort includes 773 pts (tamoxifen used in 20% E5194, 17% of ODC > 65 yr). The DS and the clinico-pathologic variables age, tumor size and year provided independent prognostic information on 10 yr LR risk (p≤.009). Hazard ratios from E5194 and ODC cohorts were similar for tumor size ≤1 vs. > 1cm (1.45, 1.47), age ≥50 vs. < 50 yr (0.61, 0.84) and surgery year after 2000 (0.67, 0.49). 10 yr LR risks by combinations of age, tumor size, and DS are detailed in Table. For patients ≥50 yr with tumors ≤1cm and low risk DS, the 10 yr LR risks range from 5.3-10.0%. A high risk DS is associated with a higher 10 yr predicted risk of LR in all subsets. 10 yr risk of contralateral BC was 5.4%. Conclusions: This MA provides refined estimates of 10 yr LR risk after BCS alone for DCIS. Adding clinico-pathologic factors to the DCIS Score provides enhanced prognostic LR risk estimates to guide individualized treatment decision-making. [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 | 0,032 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,035 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».