Decipher identifies men with otherwise clinically favorable-intermediate risk disease who may not be good candidates for active surveillance
Notice bibliographique
Résumé
BACKGROUND: We aimed to validate Decipher to predict adverse pathology (AP) at radical prostatectomy (RP) in men with National Comprehensive Cancer Network (NCCN) favorable-intermediate risk (F-IR) prostate cancer (PCa), and to better select F-IR candidates for active surveillance (AS). METHODS: In all, 647 patients diagnosed with NCCN very low/low risk (VL/LR) or F-IR prostate cancer were identified from a multi-institutional PCa biopsy database; all underwent RP with complete postoperative clinicopathological information and Decipher genomic risk scores. The performance of all risk assessment tools was evaluated using logistic regression model for the endpoint of AP, defined as grade group 3-5, pT3b or higher, or lymph node invasion. RESULTS: The median age was 61 years (interquartile range 56-66) for 220 patients with NCCN F-IR disease, 53% classified as low-risk by Cancer of the Prostate Risk Assessment (CAPRA 0-2) and 47% as intermediate-risk (CAPRA 3-5). Decipher classified 79%, 13% and 8% of men as low-, intermediate- and high-risk with 13%, 10%, and 41% rate of AP, respectively. Decipher was an independent predictor of AP with an odds ratio of 1.34 per 0.1 unit increased (p value = 0.002) and remained significant when adjusting by CAPRA. Notably, F-IR with Decipher low or intermediate score did not associate with significantly higher odds of AP compared to VL/LR. CONCLUSIONS: NCCN risk groups, including F-IR, are highly heterogeneous and should be replaced with multivariable risk-stratification. In particular, incorporating Decipher may be useful for safely expanding the use of AS in this patient population.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».