Incorporating mpMRI biopsy data into established pre-RP nomograms: potential impact of an increasingly common clinical scenario
Notice bibliographique
Résumé
BACKGROUND: We examine the practical application of multiparametric MRI (mpMRI) prostate biopsy data using established pre-RP nomograms and its potential implications on RP intraoperative decision-making. We hypothesize that current nomograms are suboptimal in predicting outcomes with mpMRI targeted biopsy (TBx) data. MATERIALS AND METHODS: Patients who underwent mpMRI-based TBx prior to RP were assessed using the MSKCC and Briganti nomograms with the following iterations: (1) Targeted (T) (targeted only), (2) Targeted and Systematic (TS) and (3) Targeted Augmented (TA) (targeted core data; assumed negative systematic cores for 12 total cores). Nomogram outcomes, lymph node involvement (LNI), extracapsular extension (ECE), organ-confined disease (OCD), seminal vesicle invasion (SVI), were compared across iterations. Clinically significant impact on management was defined as a change in LNI risk above or below 2% (Δ2) or 5% (Δ5). RESULTS: A total of 217 men met inclusion criteria. Overall, the TA iteration had more conservative nomogram outcomes than the T. Moreover, TA better predicted RP pathology for all four outcomes when compared with the T. In the entire cohort, Δ2 and Δ5 were 16.6-25.8% and 20.3-39.2%, respectively. In the subset of 190 patients with targeted and systematic cores, TA was a better approximation of TS outcomes than T in 71% (MSKCC) and 82% (Briganti) of patients. CONCLUSION: In established pre-RP nomograms, mpMRI-based TBx often yield variable and discordant results when compared with systematic biopsies. Future nomograms must better incorporate mpMRI TBx core data. In the interim, augmenting TBx data may serve to bridge the gap.
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 | 0,001 |
| 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 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 ».