Development and internal validation of a predictive model for the estimation of pheochromocytoma recurrence risk after radical surgery
Notice bibliographique
Résumé
Objective: Various features have been identified as predictors of relapse after complete resection of pheochromocytoma, but a comprehensive multivariable model for recurrence risk prediction is lacking. The aim of this study was to develop and internally validate an integrated predictive model for post-surgical recurrence of pheochromocytoma. Methods: The present research retrospectively enrolled 177 patients affected by pheochromocytoma and submitted to radical surgery from 1990 to 2016, in nine referral centers for adrenal diseases. Cox regression analysis was adopted for model development, and a bootstrapping procedure was used for internal validation. Results: Variables independently associated with recurrence were tumor size (hazard ratio (HR): 1.01, 95% CI: 1.00-1.02), positive genetic testing (HR: 5.14, 95% CI: 2.10-12.55), age (HR: 0.97, 95% CI: 0.94-0.99), and Pheochromocytoma of the Adrenal Gland Scaled Score (PASS) (HR: 1.16, 95% CI: 1.04-1.29). The predictive performance of the overall model, evaluated by Somers' D, was equal to 0.594, and was significantly higher than the ones of any single predictor alone (P = 0.002 compared to tumor size; P = 0.004 compared to genetic testing; P = 0.048 compared to age; P = 0.006 compared to PASS). Internal validation by bootstrapping techniques estimated an optimistic bias of 6.3%, which reassured about a small tendency towards overfit. Conclusions: We proposed a multivariable model for the prediction of post-surgical recurrence of pheochromocytoma, derived by the integration of genetic, histopathological, and clinical data. This predictive tool may be of value for a comprehensive tailoring of post-surgical follow-up in radically operated pheochromocytoma 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».