First North American validation and head‐to‐head comparison of four preoperative nomograms for prediction of lymph node invasion before radical prostatectomy
Notice bibliographique
Résumé
OBJECTIVES: To perform a head-to-head comparison of four nomograms; namely, the Cagiannos, the 2012-Briganti, the Godoy and the online-Memorial Sloan Kettering Cancer Center (MSKCC), for prediction of lymph node invasion (LNI) in a North American population. PATIENTS AND METHODS: A total of 19 775 patients with clinically localized prostate cancer (PCa) who had undergone radical prostatectomy and pelvic lymph node dissection (PLND) were identified within the Surveillance Epidemiology and End Results (SEER) database. All four nomograms were tested using Heagerty's concordance index (C-index), calibration plots and decision curve analysis (DCA). In addition, we examined specific nomogram-derived thresholds to compare the number of avoided PLNDs and missed LNI-positive cases. RESULTS: All nomograms were found to have highly comparable C-index values: the Cagiannos, 78.6%; the Godoy, 78.2%; the 2012-Briganti, 79.8%; and the MSKCC, 79.9%. The Cagiannos nomogram showed the best calibration, followed by the 2012-Briganti, the Godoy and the online-MSKCC. In DCA, the 2012-Briganti and the Cagiannos, in that order, provided the best results, followed by the Godoy and the online-MSKCC models. For each nomogram, the threshold associated with ≤10% missed LNI cases avoided 8 693 (46.6%), 8 652 (46.4%), 8 461 (45.4%) and 8 590 (46.1%) PLNDs, respectively, with the use of the Cagiannos (2.6% threshold), the online-MSKCC (4.3% threshold), the Godoy (3.6% threshold) and the 2012-Briganti (4.6% threshold) nomograms. CONCLUSION: The Cagiannos and the 2012-Briganti nomograms exhibited the best calibrations and DCA results. Conversely, C-index values and ability to avoid unnecessary PLNDs were virtually the same for all four nomograms examined.
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 | 0,014 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».