A multi‐institutional prediction model to estimate the risk of recurrence and mortality after mastectomy for <scp>T1‐2N1</scp> breast cancer
Notice bibliographique
Résumé
BACKGROUND: Post-mastectomy radiation therapy (PMRT) in women with pathologic stage T1-2N1M0 breast cancer is controversial. METHODS: Data from five North American institutions including women undergoing mastectomy without neoadjuvant therapy with pT1-2N1M0 breast cancer treated from 2006 to 2015 were pooled for analysis. Competing-risks regression was performed to identify factors associated with locoregional recurrence (LRR), distant metastasis (DM), overall recurrence (OR), and breast cancer mortality (BCM). RESULTS: A total of 3532 patients were included for analysis with a median follow-up time among survivors of 6.8 years (interquartile range [IQR], 4.5-9.5 years). The 2154 (61%) patients who received PMRT had significantly more adverse risk factors than those patients not receiving PMRT: younger age, larger tumors, more positive lymph nodes, lymphovascular invasion, extracapsular extension, and positive margins (p < .05 for all). On competing risk regression analysis, receipt of PMRT was significantly associated with a decreased risk of LRR (hazard ratio [HR], 0.21; 95% confidence interval [CI], 0.14-0.31; p < .001) and OR (HR, 0.76; 95% CI, 0.62-0.94; p = .011). Model performance metrics for each end point showed good discrimination and calibration. An online prediction model to estimate predicted risks for each outcome based on individual patient and tumor characteristics was created from the model. CONCLUSIONS: In a large multi-institutional cohort of patients, PMRT for T1-2N1 breast cancer was associated with a significant reduction in locoregional and overall recurrence after accounting for known prognostic factors. An online calculator was developed to aid in personalized decision-making regarding PMRT in this population.
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) | 0,000 | 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 ».