Impact of Tumor Size on Cancer-Specific Mortality Rate After Local Tumor Ablation in T1a Renal-Cell Carcinoma
Notice bibliographique
Résumé
Introduction: Institutional studies suggested that tumor size (TS) might be an independent predictor of recurrence after local tumor ablation (LTA). However, limited data exist to ascertain whether a larger TS may also predispose to a worse cancer-specific mortality (CSM) rate. Materials and Methods: Patients treated with LTA for T1a nonmetastatic renal-cell carcinoma were identified within the Surveillance, Epidemiology, and End Results (SEER) database (2004–2015). Estimated annual percentage change (EAPC) methodology, cumulative incidence plots, and multivariable competing risk regression (CRR) models before and after the 1:1 ratio propensity score (PS) adjustment were used to compare LTA for TS ≤30 mm vs TS >30 mm. A comparison of cryosurgery vs thermal ablation according to TS was also performed. Results: Of 3946 LTA patients, 2974 (75.3%) patients harbored TS ≤30 mm vs 972 (24.7%) harbored TS >30 mm. The latter was significantly older (median age 67 years vs 71 years, p < 0.001), compared with TS ≤30 mm. No differences were recorded in annual rates over time. In unmatched CRR models, after adjustment for other-cause mortality (OCM) rate, LTA for TS >30 mm showed a worse 5-year CSM rate (hazard ratio [HR] 2.3, p < 0.001), relative to TS ≤30 mm. In PS- and OCM rate-adjusted CRR models, LTA for TS >30 mm still showed a worse 5-year CSM rate (HR 2.86, p < 0.001), relative to TS ≤30 mm. Thermal ablation was associated with a higher 5-year CSM rate, compared with cryosurgery (7.6% vs 3.9%, p = 0.02), but only when TS was >30 mm. Conclusions: TS >30 mm is an independent predictor of higher 5-year CSM rates in patients treated with LTA, even after adjustment for OCM rate. In consequence, when LTA is considered, it ideally should be performed for TS ≤30 mm.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».