The Challenges of Patient Selection for Prostate Cancer Focal Therapy: A Retrospective Observational Multicentre Study
Notice bibliographique
Résumé
Increased diagnoses of silent prostate cancer (PCa) have led to overtreatment and consequent functional side effects. Focal therapy (FT) applies energy to a prostatic index lesion treating only the clinically significant PCa focus. We analysed the potential predictive factors of FT failure. We collected data from patients who underwent robot-assisted radical prostatectomy (RARP) in two high-volume hospitals from January 2017 to January 2020. The inclusion criteria were: one MRI-detected lesion with a Gleason Score (GS) of ≤7, ≤cT2a, PSA of ≤10 ng/mL, and GS 6 on a random biopsy with ≤2 positive foci out of 12. Potential oncological safety of FT was defined as the respect of clinicopathological inclusion criteria on histology specimens, no extracapsular extension, and no biochemical, local, or metastatic recurrence within 12 months. To predict FT failure, we performed uni- and multivariate logistic regression. Sixty-seven patients were enrolled. The MRI index lesion median size was 11 mm; target lesions were ISUP grade 1 in 27 patients and ISUP grade 2 in 40. Potential FT failure occurred in 32 patients, and only the PSA value resulted as a predictive parameter (p < 0.05). The main issue for FT is patient selection, mainly because of multifocal csPCa foci. Nevertheless, FT could represent a therapeutic alternative for highly selected low-risk PCa 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 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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».