Development of a Prediction Model for Positive Surgical Margin in Robot-Assisted Laparoscopic Radical Prostatectomy
Notice bibliographique
Résumé
A positive surgical margin (PSM) is reported to have some connection to the occurrence of biochemical recurrence and tumor metastasis in prostate cancer after the operation. There are no clinically usable models and the study is to predict the probability of PSM after robot-assisted laparoscopic radical prostatectomy (RALP) based on preoperative examinations. It is a retrospective cohort from a single center. The Lasso method was applied for variable screening; logistic regression was employed to establish the final model; the strengthened bootstrap method was adopted for model internal verification; the nomogram and web calculator were used to visualize the model. All the statistical analyses were based on the R-4.1.2. The main outcome was a pathologically confirmed PSM. There were 151 PSMs in the 903 patients, for an overall positive rate of 151/903 = 16.7%; 0.727 was the adjusted C statistic, and the Brier value was 0.126. Hence, we have developed and validated a predictive model for PSM after RALP for prostate cancer that can be used in clinical practice. In the meantime, we observed that the International Society of Urological Pathology (ISUP) score, Prostate Imaging Reporting and Data System (PI-RADS) score, and Prostate-Specific Antigen (PSA) were the independent risk factors for PSM.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».