Predicting Erectile Dysfunction after Highly Conformal, Hypofractionated Radiotherapy to the Prostate
Notice bibliographique
Résumé
Background: Erectile dysfunction (ED) is common after prostate cancer treatment. It has been studied for conventional radiotherapy, but associations in the hypofractionated radiotherapy context are less clear. This study aimed to determine which factors are predicted for worsening ED after highly conformal, modestly hypofractionated radiotherapy to the prostate. Methods: Two hundred and twelve patients treated with 6000 cGy in twenty fractions across four centers were included in this study. Demographic, clinical, and dosimetry factors were then evaluated for post-treatment declines in erectile function using logistic regression and an explainable machine learning-based neural network. Results: 212 patients with a median follow-up of 3.6 years were evaluated. A total of 104 (49%) patients received androgen deprivation therapy. Prior to treatment, 52 (25%) patients were on ED medication. Mean doses to the penile bulb, penile crus, and penile shaft were 2490 (IQR: 1529–3656) cGy, 2095 (1306–3036) cGy, and 444 (313–650) cGy, respectively. Fifty-nine (28%) patients had a worsening of ED after treatment. On multivariable analysis, only the mean dose to the penile shaft [OR >345 vs. ≤345: 4.47 (1.43–13.99); p = 0.010] and pretreatment use of ED medication [OR yes vs. no: 12.5 (5.7–27.5; p < 0.001)] predicted for worsening ED. The neural network confirmed that the penile shaft mean dose and pre-treatment ED medication use are the most important factors in predicting ED. Conclusions: Pre-treatment ED and penile shaft dosimetry are important predictors for ED after hypofractionated radiotherapy for prostate cancer.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
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 ».