MétaCan
Menu
Retour à la cohorte
Enregistrement W4293680207 · doi:10.3389/fonc.2022.935628

Estimation risk of lymph nodal invasion in patients with early-stage cervical cancer: Cervical cancer application

2022· article· en· W4293680207 sur OpenAlexaffabout
Benedetta Guani, Thomas Gaillard, Ly-Ann Teo-Fortin, Vincent Balaya, Anis Féki, Xavier Paolettí, Patrice Mathevet, Marie Plante, Fabrice Lécuru

Notice bibliographique

RevueFrontiers in Oncology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueEndometrial and Cervical Cancer Treatments
Établissements canadiensHôtel-Dieu de QuébecUniversité du QuébecUniversité Laval
Organismes subventionnairesUniversité de Lausanne
Mots-clésMedicineStage (stratigraphy)Cervical cancerLymph nodeReceiver operating characteristicOncologyLogistic regressionInternal medicineMultivariate analysisCancerRadiology

Résumé

récupéré en direct d'OpenAlex

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,140
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,285
Écart entre enseignants0,274 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in OncologyMême sujetEndometrial and Cervical Cancer TreatmentsTravaux en français237 207