Prostate Cancer Lesions by Zone and Race: Does Multiparametric MRI Demonstrate Racial Difference in Prostate Cancer Lesions for African American Men?
Notice bibliographique
Résumé
African American (AA) men have increased risk of prostate cancer diagnosis and mortality, but the cause remains unknown. MRI fusion improves diagnosis of localized prostate cancer, particularly in anterior lesions; however, cost and access are limited in a community practice setting. By utilizing a diverse cohort of veterans with equal access to care in a single payer system, we describe prostate cancer detection. We queried a prospectively maintained institutional review board-approved database of men undergoing prostate biopsy for untreated prostate cancer. We included all consecutive patients from October 2017 to February 2020. Statistical analysis including Kaplan–Meier Curves, Fisher’s exact test, and Forest plot was performed. From 246 consecutive patients, 166 were AA and 80 were non-AA. There were similar distributions of PSA, PSAD, and number of targetable lesions between the AA and non-AA cohort (p > 0.05 for all). We found no difference in location on MRI between race groups. There was similar cancer detection, focusing on anterior lesions and rate of positive Gleason grade (≥GG1) and clinically significant (≥GG2) cancer between cohorts. In a predominant AA cohort of veterans, we found similar distribution of location for MRI-targeted lesions, along with rates of tumor detection and aggressiveness of disease. In this single payer veteran population, we did not identify specific biologic differences inherent to tumor detection between AA and non-AA 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».