Individualized prediction of distant metastases risk in oral cavity carcinoma: A validated predictive-score model.
Notice bibliographique
Résumé
6037 Background: We aimed to develop and validate a risk-scoring system for distant metastases (DM) in oral cavity carcinoma (OCC). Methods: In this IRB-approved retrospective study, OCC patients treated at 4 tertiary cancer institutions with curative surgery +/- postoperative radiation/chemo-radiation (PORT/PO-CRT) were divided into discovery and validation cohorts (randomly selected in 3:2 ratio). Staging was reviewed based on TNM 8 th edition. Predictors of DM identified on multivariable analysis in discovery cohort were used to develop DM risk-score model to classify patients into risk groups using Contal and O’Quigley method for cut-off optimization. The utility of risk classification was subsequently evaluated in validation cohort. C-index was used to assess predictive ability of the continuous risk score. Results: Overall 2749 patients were analyzed (Table). Predictors (risk score coefficient) of DM in discovery cohort were: pT3-4 (0.4), pN+ (N1:0.8; N2:1.0; N3:1.5), histologic grade 3 (G3, 0.7) and lymphovascular invasion (LVI, 0.4). The DM risk groups were defined by cumulative sum of risk score coefficients: high risk (sum >2), intermediate risk (sum=1-2), and standard risk (sum<1). In the discovery cohort, 5-yr DM for high vs intermediate vs standard risk groups was 33% vs 19% vs 6%, p<0.001 (C-index=0.79). Similarly, in the validation cohort, 5-yr DM for high vs intermediate vs standard risk groups was 36% vs 23% vs 7%, p<0.001 (C-index=0.77). When applied to entire study population, this predictive model showed excellent discriminative ability in predicting DM only without locoregional failure (29% vs 18% vs 3%, p<0.001), late (>2 yr) DM (11% vs 5% vs 3%; p<0.001), DM in patients treated with surgery only (26% vs 11% vs 6%, p<0.001), PORT (37% vs 23% vs 7%, p<0.001), and PO-CRT (42% vs 29% vs 9%, p<0.001). Finally, 5-yr OS for high vs intermediate vs standard risk groups in the overall cohort was 24% vs 38% vs 66%, p<0.001. Conclusions: A predictive-score model for DM utilizing pT3-4, pN1/2/3, G3 and LVI demonstrated a validated utility in identifying patients at higher risk of DM who may be evaluated for individualized risk-adaptive treatment escalation and/or surveillance strategies. Study cohorts and predictors of distant metastases in discovery cohort. Discovery (n=1650)N (%) Validation (n=1099)N (%) p Median follow up 4.6 yr 4.5 yr 0.11 pT3-4 895 (54) 565 (51) 0.16 pN1/pN2/pN3 156(9)/ 258 (16)/ 280 (17) 99 (9)/ 159 (14)/ 196 (18) 0.78 G3 210 (13) 132 (12) 0.62 LVI 349 (22) 271 (25) 0.05 PORT/PO-CRT 873 (54)/ 220 (13) 567 (52)/ 150 (14) 0.48 5-yr DM (95% CI) 14% (12%-17%) 12% (11%-14%) 0.07 5-yr OS (95% CI) 55% (52%-59%) 53% (51%-56%) 0.38 Predictors of DM @ * pT3-4 (p=0.04)* pN+ (p<0.001)* G3 (p< 0.001)* LVI (p<0.01) - - @ variables included in multivariable analysis: age, gender, smoking history, subsite, pT, pN, grade, LVI, PNI, margin status, pN+ at level IV/VB, PORT and PO-CRT.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».