Prognostic model using postoperative normalization of C-reactive protein levels in patients with upper tract urothelial carcinoma treated with radical nephroureterectomy
Notice bibliographique
Résumé
INTRODUCTION: To improve the prediction of outcomes in patients who will undergo radical nephroureterectomy (RN U) for upper tract urothelial carcinoma (UTUC), we investigated the preoperative prognostic factors and developed a risk classification model. METHODS: A total of 144 patients who underwent RNU with history of neither neoadjuvant nor adjuvant chemotherapy between 2008 and 2022 were retrospectively reviewed. Associations between perioperative/clinicopathologic factors and outcomes, including cancer-specific survival (CSS), were assessed. We specifically focused on preoperative serum C-reactive protein (CRP) and its postoperative normalization. RESULTS: Non-normalization of postoperative serum CRP level and pathologic T3 stage were identified as independent predictive factors of shorter CSS in univariate and multivariate analysis (p=0.0150 and 0.0037, hazard ratio: 3.628 and 4.470, respectively). We classified the patients into three groups using these factors and found that five-year CSS was 88%, 42.5%, and 0% in the low-risk group (zero factors), intermediate-risk group (one factor), and high-risk group (two factors), respectively (p<0.0001). CONCLUSIONS: Non-normalization of postoperative serum CRP level and pathologic T stage were identified as independent postoperative prognostic factors in patients with UTUC who underwent RNU. These factors can stratify three prognostic groups and may help urologists in clinical decision-making for adjuvant therapy.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».