Perioperative chemotherapy for upper tract urothelial carcinoma: A microsimulation Markov model.
Notice bibliographique
Résumé
508 Background: Upper tract urothelial carcinoma (UTUC) accounts for less than 5% of all urothelial cancers. As a result, this disease is clinically understudied and there are no definitive recommendations regarding use and timing of peri-operative chemotherapy. The objective of this study was to create a decision model comparing three treatment pathways in UTUC: nephroureterectomy (NU) alone, neoadjuvant chemotherapy (NAC), and adjuvant chemotherapy (AC). Methods: A Markov microsimulation model was constructed using TreeAge Pro to compare treatment strategies for patients with newly diagnosed UTUC. Our primary outcome was quality adjusted life expectancy (QALE). Secondary outcomes included rates of adverse chemotherapy events, bladder cancer diagnoses, and crude survival. Markov cycle length was 3 months to mimic the follow up interval used in clinical practice for patients with UTUC. A systematic literature review was used to generate probabilities to populate the model. The base case was a 70-year-old patient with a radiographically localized upper tract tumor. Patients could have evidence of nodal disease, but no distant metastasis. Results: A total of 100,000 microsimulations were generated. NAC was preferred with an estimated QALE of 7.52 years versus 6.80 years with NU alone and 7.20 years with AC. Overall, 39.6% of patients in the AC group with invasive pathology received and were able to complete chemotherapy. A total of 37.5% of patients in the NAC group experienced an adverse chemotherapy event compared to 15.1% of patients in the AC group. Bladder cancer recurrence rates were 64.9%, 66.0%, and 67.1% over the patient’s lifetime in the NU, NAC, and AC groups, respectively. Conclusions: This study provides evidence to support the increased use of NAC in UTUC until robust randomized trials can be completed. While the use of NAC in this population appears favourable, the ultimate choice rests with the clinician and should be based on patient and tumor factors.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».