A four‐gene transcript score to predict metastatic‐lethal progression in men treated for localized prostate cancer: Development and validation studies
Notice bibliographique
Résumé
Abstract Background Molecular studies have tried to address the unmet need for prognostic biomarkers in prostate cancer (PCa). Some gene expression tests improve upon clinical factors for prediction of outcomes, but additional tools for accurate prediction of tumor aggressiveness are needed. Methods Based on a previously published panel of 23 gene transcripts that distinguished patients with metastatic progression, we constructed a prediction model using independent training and testing datasets. Using the validated messenger RNAs and Gleason score (GS), we performed model selection in the training set to define a final locked model to classify patients who developed metastatic‐lethal events from those who remained recurrence‐free. In an independent testing dataset, we compared our locked model to established clinical prognostic factors and utilized Kaplan‐Meier curves and receiver operating characteristic analyses to evaluate the model's performance. Results Thirteen of 23 previously identified gene transcripts that stratified patients with aggressive PCa were validated in the training dataset. These biomarkers plus GS were used to develop a four‐gene (CST2, FBLN1, TNFRSF19, and ZNF704) transcript (4GT) score that was significantly higher in patients who progressed to metastatic‐lethal events compared to those without recurrence in the testing dataset (P = 5.7 × 10−11). The 4GT score provided higher prediction accuracy (area under the ROC curve [AUC] = 0.76; 95% confidence interval [CI] = 0.69‐0.83; partial area under the ROC curve [pAUC] = 0.008) than GS alone (AUC = 0.63; 95% CI = 0.56‐0.70; pAUC = 0.002), and it improved risk stratification in subgroups defined by a combination of clinicopathological features (ie, Cancer of the Prostate Risk Assessment‐Surgery). Conclusion Our validated 4GT score has prognostic value for metastatic‐lethal progression in men treated for localized PCa and warrants further evaluation for its clinical utility.
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 | 0,006 | 0,008 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| 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 ».