Prognostic Factors for Patients With Urachal Carcinoma Undergoing Radical Surgery: Risk Stratification for Future Prospects of Precision Oncology
Notice bibliographique
Résumé
Purpose: To determine poor prognostic factors for patients with urachal carcinoma (UrC) undergoing radical surgery; identify candidates for precision oncology, including adjuvant therapy; and improve survival outcome of this rare malignant disease. Materials and Methods: We included 51 patients with UrC who underwent radical or partial cystectomy at our institution between 1991 and 2023. Kaplan-Meier curves and log-rank test were performed to estimate overall survival (OS) and recurrence-free survival by applying the Ontario staging system. A Cox proportional hazard regression model was used for multivariate analysis to evaluate prognostic factors for patients undergoing radical surgery. Results: Univariate and multivariate analyses showed that tumor involvement of perivesical fat (Ontario stage T3) and tumor grade were significant prognostic factors for OS. Tumor involvement of perivesical fat was a common factor for both OS and recurrence-free survival. Patients with both adverse factors showed significantly poor OS compared with those with 1 or no adverse factors ( P = .014 and .0014, respectively). Conclusions: Tumor involvement of perivesical fat and tumor grade were strong predictors of survival outcome. Adjuvant therapy might be indicated in patients with high recurrence risk. Our results warrant further, multidisciplinary investigation into the impact of precision oncology for patients with UrC and high recurrence risk.
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 | 0,001 |
| 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 ».