Active surveillance in favorable intermediate-risk prostate cancer patients: Predictors of deferred intervention and treatment choice
Notice bibliographique
Résumé
INTRODUCTION: Active surveillance (AS) is increasingly used for favorable intermediate-risk (FIR) prostate cancer (PCa). Our objective was to determine oncological and sociodemographic predictors of deferred definitive therapy and decision for radical prostatectomy (RP) vs. radiotherapy (RT). METHODS: The Surveillance, Epidemiology, and End Results (SEER) Prostate with Watchful Waiting database was used to identify all FIR PCa diagnosed between 2010 and 2015 opting for AS for at least one year following diagnosis. We sought to determine predictors of treatment and treatment type using multivariable logistic regression. RESULTS: A total of 20 334 patients were identified. An annual decrease in incident FIR patients managed initially with AS between 2010 (4061) and 2015 (2947) was noted (p for trend <0.001); 17 895 (88.0%) patients underwent deferred RP and/or RT. Patients with higher baseline cancer volume and clinical stage were significantly more likely to discontinue AS. Patients of higher socioeconomic status were more likely to undergo deferred therapy, with increased odds for RT over RP. African American patients had lower odds of undergoing definitive intervention (odds ratio 0.83, p=0.030) and were significantly more likely to opt for XRT. Oncological characteristics leading to FIR classification influenced treatment choice at the time of deferred intervention: RT was treatment of choice in 86.3% and 86.0% of Gleason group 2 and prostate-specific antigen 10-20 FIR patients, respectively; 96.1% of treated cT2b-c FIR patients opted for RP. CONCLUSIONS: Most FIR PCa patients initially managed with AS eventually undergo deferred definitive therapy, with choice of treatment significantly influenced by patients' baseline oncological and sociodemographic characteristics.
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 | 0,000 | 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 | 0,001 |
| 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 ».