Assessment of local tumor ablation and non-interventional management versus partial nephrectomy in T1a renal cell carcinoma
Notice bibliographique
Résumé
BACKGROUND: Local tumor ablation (LTA) and non-interventional management (NIM) emerged as alternative management options for T1a renal cell carcinoma (RCC). We investigated trends and cancer-specific mortality (CSM) after LTA and NIM, compared to partial nephrectomy (PN). METHODS: Within the Surveillance, Epidemiology, and End Results database (2004-2015), T1a RCC patients treated with PN, LTA or NIM were identified. Estimated annual proportion change methodology (EAPC), 1:1 ratio propensity score (PS) matching, cumulative incidence plots and multivariable competing risks regression models (CRR) were used to compare LTA vs. PN and NIM vs. PN. Subgroup analyses focused on patients <65 and ≥65 years. RESULTS: Overall 4524 patients underwent LTA vs. 1654 NIM vs. 25,435 PN. Annuals rates increased for NIM (EAPC: +3.3%, P<0.001), but not for either LTA or PN. After PS-matching in multivariable CCR, LTA (HR 1.9, P<0.001) and NIM (HR 3.0, P<0.001) showed worse 5-year CSM, relative to PN. In subgroup analyses, LTA showed no CSM disadvantage relative to PN in younger patients (HR 2.0, P=0.07). In older patients 1.64-fold CSM increase was recorded. Conversely, NIM younger (HR 3.1, P=0.001) and older (HR 3.1, P<0.001) patients exhibited higher CSM relative to PN. CONCLUSIONS: In T1a RCC patients, NIM rates showed a modest but significant increase, while LTA and PN rates remained stable. In survival analyses, LTA exhibited higher CSM rates only for elderly patients. Conversely, NIM exhibited higher CSM rates in both younger and older patients.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».