Pretreatment Risk Stratification for Endoscopic Kidney-sparing Surgery in Upper Tract Urothelial Carcinoma: An International Collaborative Study
Notice bibliographique
Résumé
BACKGROUND: Several groups have proposed features to identify low-risk patients who may benefit from endoscopic kidney-sparing surgery in upper tract urothelial carcinoma (UTUC). OBJECTIVE: To evaluate standard risk stratification features, develop an optimal model to identify ≥pT2/N+ stage at radical nephroureterectomy (RNU), and compare it with the existing unvalidated models. DESIGN, SETTING, AND PARTICIPANTS: This was a collaborative retrospective study that included 1214 patients who underwent ureterorenoscopy with biopsy followed by RNU for nonmetastatic UTUC between 2000 and 2017. OUTCOME MEASUREMENTS AND STATISTICAL ANALYSIS: We performed multiple imputation of chained equations for missing data and multivariable logistic regression analysis with a stepwise selection algorithm to create the optimal predictive model. The area under the curve and a decision curve analysis were used to compare the models. RESULTS AND LIMITATIONS: Overall, 659 (54.3%) and 555 (45.7%) patients had ≤pT1N0/Nx and ≥pT2/N+ disease, respectively. In the multivariable logistic regression analysis of our model, age (odds ratio [OR] 1.02, 95% confidence interval [CI] 1.0-1.03, p = 0.013), high-grade biopsy (OR 1.81, 95% CI 1.37-2.40, p < 0.001), biopsy cT1+ staging (OR 3.23, 95% CI 1.93-5.41, p < 0.001), preoperative hydronephrosis (OR 1.37 95% CI 1.04-1.80, p = 0.024), tumor size (OR 1.09, 95% CI 1.01-1.17, p = 0.029), invasion on imaging (OR 5.10, 95% CI 3.32-7.81, p < 0.001), and sessile architecture (OR 2.31, 95% CI 1.58-3.36, p < 0.001) were significantly associated with ≥pT2/pN+ disease. Compared with the existing models, our model had the highest performance accuracy (75% vs 66-71%) and an additional clinical net reduction (four per 100 patients). CONCLUSIONS: Our proposed risk-stratification model predicts the risk of harboring ≥pT2/N+ UTUC with reliable accuracy and a clinical net benefit outperforming the current risk-stratification models. PATIENT SUMMARY: We developed a risk stratification model to better identify patients for endoscopic kidney-sparing surgery in upper tract urothelial carcinoma.
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 | 0,011 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».