Combined Reporting of Surgical Quality and Cancer Control after Surgical Treatment for Penile Tumors with Inguinal Lymph Node Dissection: The Tetrafecta Achievement
Notice bibliographique
Résumé
Background: To optimize results reporting after penile cancer (PC) surgery, we proposed a Tetrafecta and assessed its ability to predict overall survival (OS) probabilities. Methods: A purpose-built multicenter, multi-national database was queried for stage I–IIIB PC, requiring inguinal lymphadenectomy (ILND), from 2015 onwards. Kaplan–Meier (KM) method assessed differences in OS between patients achieving Tetrafecta or not. Univariable and multivariable regression analyses identified its predictors. Results: A total of 154 patients were included in the analysis. The 45 patients (29%) that achieved the Tetrafecta were younger (59 vs. 62 years; p = 0.01) and presented with fewer comorbidities (ASA score ≥ 3: 0% vs. 24%; p < 0.001). Although indicated, ILND was omitted in 8 cases (5%), while in 16, a modified template was properly used. Although median LNs yield was 17 (IQR: 11–27), 35% of the patients had <7 nodes retrieved from the groin. At Kaplan–Maier analysis, the Tetrafecta cohort displayed significantly higher OS probabilities (Log Rank = 0.01). Uni- and multivariable logistic regression analyses identified age as the only independent predictor of Tetrafecta achievement (OR: 0.97; 95%CI: 0.94–0.99; p = 0.04). Conclusions: Our Tetrafecta is the first combined outcome to comprehensively report results after PC surgery. It is widely applicable, based on standardized and reproducible variables and it predicts all-cause mortality.
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 | 0,013 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».