MétaCan
Menu
← Retour à la cohorte
Enregistrement W2943920148 · doi:10.1158/1538-7445.sabcs18-p4-09-01

Abstract P4-09-01: The DCIS score predicts risk of local recurrence risk after breast-conserving surgery more accurately than ER plus HER2

2019· article· en· W2943920148 sur OpenAlexaff
Eileen Rakovitch, Rinku Sutradhar, Lei Zhou, Sharon Nofech‐Mozes, Wahid T. Hanna, L Paszat

Notice bibliographique

RevueCancer Research · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBreast Cancer Treatment Studies
Établissements canadiensHealth Sciences CentreUniversity of TorontoInstitute for Clinical Evaluative SciencesSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineCovariateBreast-conserving surgeryProportional hazards modelBreast cancerDuctal carcinomaInternal medicineMastectomyOncologyCancerGynecologyStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction: Improved individual prediction of 10 yr local recurrence (LR) risk following breast-conserving surgery (BCS) for ductal carcinoma in situ (DCIS) is needed to identify women at low risk, for whom radiotherapy (RT) may be omitted. We hypothesized that LR prediction that includes the Oncotype DCIS score (DS) would be more accurate, and would identify more women with very low LR risks compared to models that include estrogen receptor (ER) plus HER2 without the DS. Methods: Three predictive models of LR (clinicopathological factors (CPFs) alone; CPFs+ER+HER2; CPFs+DS) were developed and compared in 1,102 cases of DCIS for whom complete covariate and outcome data were available. CPFs included age at diagnosis, lesion size, nuclear grade, comedonecrosis, multifocality, and resection margin width. Categorizations of discrete variables and transformations of continuous variables were examined in Cox models; two-way interactions and interactions with time were assessed. Internal validation was performed by bootstrapping. Individual predicted 10-yr LR risks after treatment with BCS alone were computed from covariate values, estimated regression parameters and the estimated baseline survival function. Model performance was assessed by c-statistics and calibration plots. Results: 863/1,102 (78.3%) women were age >= 50 years at diagnosis. Lesion size was <= 10 mm in 555/1,102 (50.4%). Nuclear grade was low or moderate in 62.4%. Comedonecrosis was present in 22.1%. Multifocality was observed in 25.2%. Post-BCS RT was received by 54.4%. Mean DS = 37.49 (sd 23.29). DS risk category = low in 611/1,102 (55.4%). ER = positive in 1,025 /1,102 (93.0%) cases. HER2 overexpression = positive in 212/1,102 (19.2%), equivocal in 95 / 1,102 (8.6%) and negative in 795 / 1,102 (72.1%) cases. Adjusting for all CPFs, the hazard ratios (HR) for LR per 50-unit increase in DS = 2.00 (95% CI 1.42, 2.83), for ER positive = 0.58 (95% CI 0.36, 0.95) and for HER2 positive = 0.73 (95% CI 0.41, 1.30). The strongest prediction model incorporated CPFs+DS. C-statistics for CPFs+DS, CPFs+ER+HER2, or CPFs alone models were 0.7025, 0.6879, and 0.6825. The CPFs+DS model was better calibrated at predicting low (<=10%) individual 10-yr LR risks after BCS alone than models incorporating CPF+ER+HER2 or CPFs alone, evidenced by c-statistics and plots of observed by predicted risks. Specifically, among women age >= 50 with no adverse CPFs, the CPFs+DS model identified the greatest proportion of women (62.3%) with predicted 10-year LR risk <= 10% without RT, compared to the CPFs+ER+HER2 (50.9%) or CPFs alone (46.5%) models. When applying the prediction equations to similar women as those in the cohort who were treated with RT, the CPFs+DS model again identified the greatest proportion of women (44.4%) with a low predicted 10-yr LR risk without RT (for whom RT could have been omitted) compared to the CPFs+ER+HER2 model (39.4%) and the CPFs alone model (32.3%). Conclusion: Individual prediction of LR risk that incorporates the DCIS score plus clinicopathological factors is more accurate than prediction models based on ER plus HER2, and identifies a higher proportion of women with a low predicted risk of LR after BCS alone, for whom radiotherapy may be omitted. Citation Format: Rakovitch E, Sutradhar R, Zhou L, Nofech-Mozes S, Hanna W, Paszat L. The DCIS score predicts risk of local recurrence risk after breast-conserving surgery more accurately than ER plus HER2 [abstract]. In: Proceedings of the 2018 San Antonio Breast Cancer Symposium; 2018 Dec 4-8; San Antonio, TX. Philadelphia (PA): AACR; Cancer Res 2019;79(4 Suppl):Abstract nr P4-09-01.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,352
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Research→Même sujetBreast Cancer Treatment Studies→Travaux en français237 207→