Multi-Center Assessment of Lymph-Node Density and Nodal-Stage to Predict Disease-Specific Survival in Patients with Bladder Cancer Treated by Radical Cystectomy
Notice bibliographique
Résumé
BACKGROUND: Prognostic tools in pathological-node (pN) patients after radical cystectomy (RC) are needed. OBJECTIVES: To evaluate the prognostic impact of lymph node (LN)-density on disease-specific survival (DSS) in patients with bladder cancer (BC) undergoing RC with pelvic lymph node dissection. METHODS: We analyzed a multi-institutional cohort of 1169 patients treated with upfront RC for cT1-4aN0M0 urothelial BCat nine centers. LN-densitywas calculated as the ratio of the number of positive LNs×100% to the number of LNs removed. The optimal LN-density cut-off value was defined by creating a time-dependent receiver operating characteristic (ROC) curve in pN patients. Univariable and multivariable Cox' regression analyses were used to assess the effect of conventional Tumor Nodes Metastasis (TNM) nodal staging system, LN-density and other LN-related variables on DSS in the pN-positive cohort. RESULTS: Of the 1169 patients, 463 (39.6%) patients had LN-involvement. The area under the ROC curve was 0.60 and the cut-off for LN-density was set at 20%, 223 of the pN-positive patients (48.2%) had a LN-density ≥ 20%. In multivariable models, the number of LN-metastases (HR 1.03, p = 0.005) and LN-density, either as continuous (HR 1.01, p = 0.013) or as categorical variable (HR 1.37, p = 0.014), were independently associated with worse DSS, whereas pN-stage was not. CONCLUSIONS: LN-density ≥ 20% was an independent predictor of worse DSS in BC patients with LN-involvement at RC. The integration of LN-density and other LN-parameters rather than only conventional pN-stage may contribute to a more refined risk-stratification in BC patients with nodal involvement.
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) | 0,001 | 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) | 0,001 | 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 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 ».