Impact of Decipher on use of post‐operative radiotherapy: Individual patient analysis of two prospective registries
Notice bibliographique
Résumé
Objective: To assess the association between Genomic Classifier (GC)-risk group and post-radical prostatectomy treatment in clinical practice. Methods: Two prospective observational cohorts of men with prostate cancer (PCa) who underwent RP in two referral centers and had GC testing post-prostatectomy between 2013 and 2018 were included. The primary endpoint of the study was to assess the association between GC-risk group and time to secondary therapy. Univariable (UVA) and multivariable (MVA) Cox proportional hazards models were constructed to assess the association between GC-risk group and time to receipt of secondary therapy after RP, where secondary therapy is defined as receiving either RT or ADT after RP. Results: A total of 398 patients are included in the analysis. Patients with high-GC risk were more likely to receive any secondary therapy (OR: 6.84) compared to patients with low/intermediate-GC risk. The proportion of high-GC risk patients receiving RT at 2 years post-RP was 31.5%, compared to only 6.3% among the low/intermediate-GC risk patients. Conclusion: This study demonstrates that physicians in routine practice used GC to identify high risk patients who might benefit the most from secondary treatment. As such, GC score was independent predictor of receipt of secondary treatment.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».