Management of Patients with Advanced Prostate Cancer. Report from the 2024 Advanced Prostate Cancer Consensus Conference (APCCC)
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Innovations have improved outcomes in advanced prostate cancer (PC). Nonetheless, we continue to lack high-level evidence on a variety of topics that greatly impact daily practice. The 2024 Advanced Prostate Cancer Consensus Conference (APCCC) surveyed experts on key questions in clinical management in order to supplement evidence-based guidelines. Here we present voting results for questions from APCCC 2024. METHODS: Before the conference, a panel of 120 international PC experts used a modified Delphi process to develop 183 multiple-choice consensus questions on eight different topics. Before the conference, these questions were administered via a web-based survey to the voting panel members ("panellists"). KEY FINDINGS AND LIMITATIONS: Consensus was a priori defined as ≥75% agreement, with strong consensus defined as ≥90% agreement. The voting results show varying degrees of consensus, as discussed in this article and detailed in the Supplementary material. These findings do not include a formal literature review or meta-analysis. CONCLUSIONS AND CLINICAL IMPLICATIONS: The voting results can help physicians and patients navigate controversial areas of clinical management for which high-level evidence is scant or conflicting. The findings can also help funders and policymakers in prioritising areas for future research. Diagnostic and treatment decisions should always be individualised on the basis of patient and cancer characteristics, and should incorporate current and emerging clinical evidence, guidelines, and logistic and economic factors. Enrolment in clinical trials is always strongly encouraged. Importantly, APCCC 2024 once again identified important gaps (areas of nonconsensus) that merit evaluation in specifically designed trials.
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 | 0,000 |
| 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 ».