Refining nodal category in TNM staging with extent of extranodal extension for oral cavity squamous cell carcinoma.
Notice bibliographique
Résumé
6015 Background: The TNM 8th edition N classification (TNM-8-N) has limitations based on evidence that: (1) extent of extranodal extension (ENE), classified as minor( min ) (≤ 2mm) or major ( maj )(> 2mm), is prognostic, and (2) N3a category (i.e. lymph node (LN)s > 6 cm, no ENE) is rare and redundant. Refining N classification may improve staging performance. Methods: Patients with surgically resected T1-4,N0-3 OCSCC at four centers between 2005 - 2018 were included. Pathologists were asked to measure extent of ENE on archived slides for all cases. Thresholds for stratification of adverse LN features were determined using the Contal O’Quigley method. Multivariable analyses for overall survival (OS) were performed using Cox proportional hazard models. Two new N classification proposals were created based on LN features using (1) adjusted hazard ratios (aHR) and (2) recursive partitioning analysis (RPA). These were ranked against two published proposals and TNM-8-N with the following criteria: hazard consistency, hazard discrimination, explained variance, likelihood difference, sample size balance. Results: In total, 1460 patients were included, 764 (52%) were LN positive, and 135 (18%) had contralateral LNs. The following TNM-8-N subgroups were rare and had poor prognosis: LN between 3-6 cm without ENE (N2a) [n=4] and LN(s) > 6 cm without ENE (N3a) [n=1]. All 5 either recurred or died. TNM-8-N N2b and N2c categories had disordered 5-year OS (45% vs. 67%). Thresholds for stratification of LN features, rounded to the nearest whole number, were <=1 vs >1 for number of LNs; ≤ 3 vs. > 3 cm for size of largest LN, and ≤ 2 mm vs. > 2 mm for extent of ENE. Significant predictors of OS included (1) the presence of ENE maj and no ENE vs. ENE min (HR 1.37; 95% CI 1.03-1.82 and HR=0.66, 95%CI 0.49-0.88), (2) multiple LNs vs. 1 LN (HR 1.72; 95% CI, 1.33-2.22), and (3) size of largest LN > 3 cm vs. <=3 (HR 1.86; 95% CI 1.42-2.43), but contralateral LN(s) vs. ipsilateral LN(s) was not (HR 1.08; 0.83-1.40). The aHR proposal ranked highest (table). Conclusions: A new N-classification proposal based on aHR provides improved staging information. Major changes include: (1) stratification by ENE extent (2) elimination of N2c (3) stratification of multiple LNs without ENE by size, and (4) elimination of the 6 cm threshold. New TNM iterations may incorporate these changes. TNM-8-N aHR RPA Liao et al. Ho et al. N1 1 LN, ≤ 3cm, no ENE same Same same 1 LN, no ENE N2a 1 LN, ≤ 3 cm, with ENEOR1 LN, 3-6 cm, no ENE 1 LN, ≤ 3 cm, with ENE 1 LN, any size, with ENE same 1 LN, with ENEOR2 LNs N2b >1 LN, ≤ 6 cm, no ENE > 1 LNs,≤ 3 cm, no ENE >1 LN, ≤ 3 cm, no ENE same N2c Contralateral LN(s), ≤ 6 cm, no ENE * * same N3a LN(s) > 6 cm, no ENE LN(s) > 3 cm, no ENEOR1 LN, > 3 cm, ENE min OR> 1 LNs, ENE min LN (s) > 3 cm, no ENEOR>1 LN, ENE min ≤ 7 LNs,OR≤ 4 LNs with ENE 3-7 LNs N3b 1 LN, > 3 cm, any ENEOR>1 LN(s), any ENE 1 LN > 3 cm, ENE maj OR>1 LNs, ENE maj > 1 LN, ENE maj ≥ 8 LNsOR ≥ 5 LNs with ENE ≥ 8 LNs Ranking 5 1 2 4 3 *eliminated
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».