MétaCan
Menu
Retour à la cohorte
Enregistrement W4400109832 · doi:10.1200/jco.23.02276

Molecular Expression Assays Improve the Prediction of Local and Invasive Local Recurrence After Breast-Conserving Surgery for Ductal Carcinoma In Situ

2024· article· en· W4400109832 sur OpenAlexaff
Ezra Hahn, Rinku Sutradhar, Lawrence Paszat, Lena Nguyen, Danielle Rodin, Sharon Nofech‐Mozes, Sabina Trebinjac, Katarzyna J. Jerzak, Cindy Fong, Eileen Rakovitch

Notice bibliographique

RevueJournal of Clinical Oncology · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBreast Cancer Treatment Studies
Établissements canadiensHealth Sciences CentreSunnybrook Health Science CentrePrincess Margaret Cancer CentrePublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineDuctal carcinomaBreast-conserving surgeryIn situCarcinoma in situBreast cancerOncologyCarcinomaMastectomyInternal medicineCancer

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Ductal carcinoma in situ (DCIS) is routinely treated with adjuvant radiotherapy (RT) after breast-conserving surgery (BCS). The inability to accurately estimate an individual's risk of local recurrence (LR) and invasive LR using clinicopathologic factors (CPF) contributes to the overtreatment of DCIS. We examined the impact of the 12-gene DCIS Score (DS) and the 21-gene Recurrence Score (RS) on the accuracy of predicting LR and invasive LR. METHODS: A population-based cohort diagnosed with pure DCIS treated with BCS ± RT from 1994 to 2003 was used. All patients had expert pathology review and assessment of the DS and RS. Predictive models (CPF alone, DS + CPF, and RS + CPF) were developed using multivariable Cox regression analyses to predict 10-year LR and invasive LR risks. Models were evaluated on the basis of c-statistic, -2log likelihood estimate (-2LLE), and Akaike information criterion. Calibration was performed using bootstrap resamples, with replacement. RESULTS: The cohort includes 1,226 women treated with BCS; 712 received RT. 194 women (15.8%) experienced ipsilateral LR as a first event; 112 were invasive. Models including the DS or RS performed better in predicting the 10-year risk of LR compared with models on the basis of CPF alone with excellent calibration. The two molecular-based models also performed better in predicting invasive LR compared with the CPF model but the model incorporating the RS did not perform better in the prediction of invasive LR compared with the DS-based model. CONCLUSION: Models incorporating the DS or RS more accurately predicted the 10-year risk of LR and invasive LR after BCS compared with models on the basis of CPF alone. Inclusion of the RS, compared with DS, did not improve the prediction of the 10-year risk of invasive LR.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,348
Écart entre enseignants0,313 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetBreast Cancer Treatment StudiesTravaux en français237 207