Assessment of the VENUSS and GRANT Models for Individual Prediction of Cancer-specific Survival in Surgically Treated Nonmetastatic Papillary Renal Cell Carcinoma
Notice bibliographique
Résumé
Background: Guidelines recommend VENUSS and GRANT models for the prediction of cancer control outcomes after nephrectomy for nonmetastatic papillary renal cell carcinoma (pRCC). Objective: To test the ability of VENUSS and GRANT models to predict 5-yr cancer-specific survival in a North American population. Design setting and participants: For this retrospective study, we identified 4184 patients with unilateral surgically treated nonmetastatic pRCC in the Surveillance, Epidemiology, and End Results database (2004-2019). Outcome measurements and statistical analysis: The original VENUSS and GRANT risk categories were applied to predict 5-yr cancer-specific survival. A cross-validation method was used to test the accuracy and calibration of the models and to conduct decision curve analyses for the study cohort. Results and limitations: The VENUSS and GRANT categories represented independent predictors of cancer-specific mortality. On cross-validation, the accuracy of the VENUSS and GRANT risk categories was 0.73 and 0.65, respectively. Both models showed good calibration and performed better than random predictions in decision curve analysis. Limitations include the retrospective nature of the study and the absence of a central pathological review. Conclusion: VENUSS risk categories fulfilled prognostic model criteria for predicting cancer-specific survival 5 yr after surgery in North American patients with nonmetastatic pRCC as recommended by guidelines. Conversely, GRANT risk categories did not. Thus, VENUSS risk categories represent an important tool for counseling, follow-up planning, and patient selection for appropriate adjuvant trials in pRCC. Patient summary: We tested the ability of two validated methods (VENUSS and GRANT) to predict death due to papillary kidney cancer in a North American population. The VENUSS risk categories showed good performance in predicting 5-year cancer-specific survival.
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 | 0,021 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».