Integrated models incorporating radiologic and radiomic features predict meningioma grade, local failure, and overall survival
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background We investigated prognostic models based on clinical, radiologic, and radiomic feature to preoperatively identify meningiomas at risk for poor outcomes. Methods Retrospective review was performed for 303 patients who underwent resection of 314 meningiomas (57% World Health Organization grade I, 35% grade II, and 8% grade III) at two independent institutions, which comprised primary and external datasets. For each patient in the primary dataset, 16 radiologic and 172 radiomic features were extracted from preoperative magnetic resonance images, and prognostic features for grade, local failure (LF) or overall survival (OS) were identified using the Kaplan–Meier method, log-rank tests and recursive partitioning analysis. Regressions and random forests were used to generate and test prognostic models, which were validated using the external dataset. Results Multivariate analysis revealed that apparent diffusion coefficient hypointensity (HR 5.56, 95% CI 2.01–16.7, P = .002) was associated with high grade meningioma, and low sphericity was associated both with increased LF (HR 2.0, 95% CI 1.1–3.5, P = .02) and worse OS (HR 2.94, 95% CI 1.47–5.56, P = .002). Both radiologic and radiomic predictors of adverse meningioma outcomes were significantly associated with molecular markers of aggressive meningioma biology, such as somatic mutation burden, DNA methylation status, and FOXM1 expression. Integrated prognostic models combining clinical, radiologic, and radiomic features demonstrated improved accuracy for meningioma grade, LF, and OS (area under the curve 0.78, 0.75, and 0.78, respectively) compared to models based on clinical features alone. Conclusions Preoperative radiologic and radiomic features such as apparent diffusion coefficient and sphericity can predict tumor grade, LF, and OS in patients with meningioma.
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.
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 | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle