Predicting the probability of pT3 or higher pathological stage at radical prostatectomy: COVID19-specific considerations
Notice bibliographique
Résumé
Background: We tested whether a model identifying prostate cancer (PCa) patients at risk of pT3-4/pN1 can be developed for use during COVID19 pandemic, in order to guarantee appropriate treatment to patients harboring advanced disease patients without compromising sustainability of care delivery. Methods: Within the Surveillance, Epidemiology and End Results database 2010-2016, we identified 27,529 patients with localized PCa and treated with radical prostatectomy. A multivariable logistic regression model predicting presence of pT3-4/pN1 disease was fitted within a development cohort (n=13,977, 50.8%). Subsequently, external validation (n=13,552, 49.2%) and head-to-head comparison with NCCN risk group stratification was performed. Results: In model development, age, PSA, biopsy Gleason Grade Group (GGG) and percentage of positive biopsy cores were independent predictors of pT3-4/pN1 stage. In external validation, prediction of pT3-4/pN1 with novel nomogram was 74% accurate versus 68% for NCCN risk group stratification. Nomogram achieved better calibration and showed net-benefit over NCCN risk group stratification in decision curve analyses. The use of nomogram cut-off of 49% resulted in pT3-4/pN1 rate of 65%, instead of the average 35%. Conclusion: The newly developed, externally validated nomogram predicts presence of pT3-4/pN1 better than NCCN risk group stratification and allows to focus radical prostatectomy treatment on individuals at highest risk of pT3-4/pN1.
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 | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».