Estimation risk of lymph nodal invasion in patients with early-stage cervical cancer: Cervical cancer application
Notice bibliographique
Résumé
Introduction: Lymph node status is a major prognostic factor in early-stage cervical cancer. Predicting the risk of lymph node metastasis is essential for optimal therapeutic management. The aim of the study was to develop a web-based application to predict the risk of lymph node metastasis in patients with early-stage (IA1 with positive lymph vascular space invasion, IA2 and IB1) cervical cancer. Materials and methods: We performed a secondary analysis of data from two prospective multicenter trials, Senticol 1 and 2 pooled together in the training dataset. The histological risk factors were included in a multivariate logistic regression model in order to determine the most suitable prediction model. An internal validation of the chosen prediction model was then carried out by a cross validation of the 'leave one out cross validation' type. The prediction model was implemented in an interactive online application of the 'Shinyapp' type. Finally, an external validation was performed with a retrospective cohort from L'Hôtel-Dieu de Québec in Canada. Results: Three hundred twenty-one patients participating in Senticol 1 and 2 were included in our training analysis. Among these patients, 280 did not present lymph node invasion (87.2%), 13 presented isolated tumor cells (4%), 11 presented micrometastases (3.4%) and 17 macrometastases (5.3%). Tumor size, presence of lymph-vascular space invasion and stromal invasion were included in the prediction model. The Receiver Operating Characteristic (ROC) Curve from this model had an area under the curve (AUC) of 0.79 (95% CI [0.69- 0.90]). The AUC from the cross validation was 0.65. The external validation on the Canadian cohort confirmed a good discrimination of the model with an AUC of 0.83. Discussion: This is the first study of a prediction score for lymph node involvement in early-stage cervical cancer that includes internal and external validation. The web application is a simple, practical, and modern method of using this prediction score to assist in clinical management.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».