Increasing rates of NCCN high and very high‐risk prostate cancer versus number of prostate biopsy cores
Notice bibliographique
Résumé
BACKGROUND: Recently, an increase in the rates of high-risk prostate cancer (PCa) was reported. We tested whether the rates of and low, intermediate, high and very high-risk PCa changed over time. We also tested whether the number of prostate biopsy cores contributed to changes rates over time. METHODS: Within the Surveillance, Epidemiology and End Results (SEER) database (2010-2015), annual rates of low, intermediate, high-risk according to traditional National Comprehensive Cancer Network (NCCN) and high versus very high-risk PCa according to Johns Hopkins classification were tabulated without and with adjustment for the number of prostate biopsy cores. RESULTS: In 119,574 eligible prostate cancer patients, the rates of NCCN low, intermediate, and high-risk PCa were, respectively, 29.7%, 47.8%, and 22.5%. Of high-risk patients, 39.6% and 60.4% fulfilled high and very high-risk criteria. Without adjustment for number of prostate biopsy cores, the estimated annual percentage changes (EAPC) for low, intermediate, high and very high-risk were respectively -5.5% (32.4%-24.9%, p < .01), +0.5% (47.6%-48.4%, p = .09), +4.1% (8.2%-9.9%, p < .01), and +8.9% (11.8%-16.9%, p < .01), between 2010 and 2015. After adjustment for number of prostate biopsy cores, differences in rates over time disappeared and ranged from 29.8%-29.7% for low risk, 47.9%-47.9% for intermediate risk, 8.9%-9.0% for high-risk, and 13.6%-13.6% for very high-risk PCa (all p > .05). CONCLUSIONS: The rates of high and very high-risk PCa are strongly associated with the number of prostate biopsy cores, that in turn may be driven by broader use magnetic resonance imaging (MRI).
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 | 0,000 |
| 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 ».