Individual risk prediction of high grade prostate cancer based on the combination between total prostate-specific antigen (PSA) and free to total PSA ratio
Notice bibliographique
Résumé
OBJECTIVES: Clinical practice guidelines endorse the stratification of prostate cancer (PCa) risk according to individual total prostate-specific antigen (tPSA) values and age to enhance the individual risk-benefit ratio. We defined two nomograms to predict the individual risk of high and low grade PCa by combining the assay of tPSA and %free/tPSA (%f/tPSA) in patients with a pre-biopsy tPSA between 2 and 10 μg/L. METHODS: The study cohort consisted of 662 patients that had fPSA, tPSA, and a biopsy performed (41.3% with a final diagnosis of PCa). Logistic regression including age, tPSA and %f/tPSA was used to model the probability of having high or low grade cancer by defining 3 outcome levels: no PCa, low grade (International Society of Urological Pathology grade, ISUP<3) and high grade PCa (ISUP≥3). RESULTS: The nomogram identifying patients with: (a) high vs. those with low grade PCa and without the disease showed a good discriminating capability (∼80%), but the calibration showed a risk of underestimation for predictive probabilities >30% (a considerable critical threshold of risk), (b) ISUP<3 vs. those without the disease showed a discriminating capability of 63% and overestimates predictive probabilities >50%. In ISUP 5 a possible loss of PSA immunoreactivity has been observed. CONCLUSIONS: The estimated risk of high or low grade PCa by the nomograms may be of aid in the decision-making process, in particular in the case of critical comorbidities and when the digital rectal examinations are inconclusive. The improved characterization of the risk of ISUP≥3 might enhance the use for magnetic resonance imaging in this setting.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».