Identifying low cancer‐specific mortality risk lymph node‐positive radical prostatectomy patients
Notice bibliographique
Résumé
OBJECTIVES: To identify low cancer-specific mortality (CSM) risk lymph node-positive (pN1) radical prostatectomy (RP) patients. METHODS: Within Surveillance, Epidemiology and End Results database (2010-2015) pN1 RP patients were identified. Kaplan-Meier plots and multivariable Cox-regression (MCR) models were used. Pathological characteristics were used to identify patients at lowest CSM risk. RESULTS: Overall, 2197 pN1 RP patients were identified. Overall, 5-year cancer-specific survival (CSS) rate was 93.3%. In MCR models ISUP GG1-2 (hazard ratio [HR]: 0.12, p < 0.001), GG3 (HR: 0.14, p < 0.001), GG4 (HR: 0.35, p = 0.002), pT2 (HR: 0.27, p = 0.012), pT3a (HR: 0.28, p = 0.003), pT3b (HR: 0.39, p = 0.009), and 1-2 positive lymph nodes (HR: 0.64, p = 0.04) independently predicted lower CSM. Pathological characteristics subgroups with the most protective hazard ratios were used to identify low-risk (ISUP GG1-3 and pT2-3a and 1-2 positive lymph nodes) patients versus others (ISUP GG4-5 or pT3b-4 or ≥3 positive lymph nodes). In Kaplan-Meier analyses, 5-year CSS rates were 99.3% for low-risk (n = 480, 21.8%) versus 91.8% (p < 0.001) for others (n = 1717, 78.2%). CONCLUSIONS: Lymph node-positive RP patients exhibit variable CSS rates. Within this heterogeneous group, those at very low risk of CSM may be identified based on pathological characteristics, namely ISUP GG1-3, pT2-3a, and 1-2 positive lymph nodes. Such stratification scheme might be of value for individual patients counseling, as well as in design of clinical trials.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».