Patterns of failure with 18F-DCFPyL PSMA-PET/CT in the post-prostatectomy setting
Notice bibliographique
Résumé
INTRODUCTION: F-DCFPyL in patients with residual disease or biochemical recurrence (BCR), and its association with surgical pathology and prostate-specific antigen (PSA) kinetics. METHODS: Men from South Central Ontario enrolled in the PSMA Registry for Recurrent Prostate cancer (PREP) between April 2019 and December 2021 after radical prostatectomy (RP) and who had 1) pathologic stage N1 or persistent elevated PSA; or 2) BCR (PSA ≥0.10 ng/mL) where initial postoperative PSA was undetectable were included. RESULTS: A total of 169 men (median age 68 years; interquartile range [IQR] 62-71) with complete data met the above criteria. The median PSA was 0.27 ng/mL (IQR 0.16-0.85) prior to PSMA-PET. Overall positivity rate 59%; when PSA was <0.40 ng/mL, overall positivity rate 42% vs. 85% with PSA ≥0.40 ng/mL (p<0.001). Higher pathologic tumor stage increased detection of regional lymph nodes (LNs) (pT2-3a: 32% vs. pT3b: 69%, p<0.001) but not distant metastases (pT2-3a: 12% vs. pT3b: 24%, p=0.15). PSMA-PET detected 18% with prostate bed, 42% with regional LN disease, and 44% with pelvic-only disease. The three most involved LN chains were the internal (21%) and external (20%) iliac, and obturator chains (16%). CONCLUSIONS: This prospective study of patients with residual disease or BCR after RP illustrates patterns of failure that could impact diagnosis and postoperative management. Such patients have significant risk of regional LN positivity on PSMA-PET, highlighting a need to include pelvic LNs within salvage radiotherapy volumes.
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 | 0,000 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».