Data‐driven optimization of version 9 American Joint Committee on Cancer staging system for anal cancer
Notice bibliographique
Résumé
INTRODUCTION: The American Joint Committee on Cancer (AJCC) staging system undergoes periodic revisions to maintain contemporary survival outcomes related to stage. Recently, the AJCC has developed a novel, systematic approach incorporating survival data to refine stage groupings. The objective of this study was to demonstrate data-driven optimization of the version 9 AJCC staging system for anal cancer assessed through a defined validation approach. METHODS: The National Cancer Database was queried for patients diagnosed with anal cancer in 2012 through 2017. Kaplan-Meier methods analyzed 5-year survival by individual clinical T category, N category, M category, and overall stage. Cox proportional hazards models validated overall survival of the revised TNM stage groupings. RESULTS: Overall, 24,328 cases of anal cancer were included. Evaluation of the 8th edition AJCC stage groups demonstrated a lack of hierarchical prognostic order. Survival at 5 years for stage I was 84.4%, 77.4% for stage IIA, and 63.7% for stage IIB; however, stage IIIA disease demonstrated a 73.0% survival, followed by 58.4% for stage IIIB, 59.9% for stage IIIC, and 22.5% for stage IV (p <.001). Thus, stage IIB was redefined as T1-2N1M0, whereas Stage IIIA was redefined as T3N0-1M0. Reevaluation of 5-year survival based on data-informed stage groupings now demonstrates hierarchical prognostic order and validated via Cox proportional hazards models. CONCLUSION: The 8th edition AJCC survival data demonstrated a lack of hierarchical prognostic order and informed revised stage groupings in the version 9 AJCC staging system for anal cancer. Thus, a validated data-driven optimization approach can be implemented for staging revisions across all disease sites moving forward.
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 | 0,000 |
| 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 ».