Validation of Prognostic Models for Renal Cell Carcinoma Recurrence, Cancer-Specific Mortality, and All-Cause Mortality
Notice bibliographique
Résumé
PURPOSE: Postoperative prognostic tools allow for improved prediction of future recurrence risk, patient counseling, assessment of eligibility for adjuvant treatments, and appropriate follow-up surveillance. The purpose of this analysis was to validate prognostic models for patients with kidney cancer. MATERIALS AND METHODS: The Canadian Kidney Cancer information system is a prospective cohort of patients managed at 14 institutions since January 1, 2011, to present. The Canadian Kidney Cancer information system was used to assess 15 predictive models for kidney cancer recurrence, 6 for cancer-specific mortality, and 4 for all-cause mortality in patients with a solitary, nonmetastatic kidney tumor treated with surgery (partial or radical nephrectomy). Discrimination was measured using C statistics, 5-year calibration plots for calibration, and decision curve analysis at 5 years after surgery for net benefit when considering adjuvant therapy. RESULTS: Seven thousand one hundred seventy-four patients were included. For kidney cancer recurrence, C statistics ranged from 0.62 to 0.83, depending on whether the model was derived and applied to all patients without further stratification, specific risk groups, or specific histologic subtypes. Cancer-specific mortality models had C statistics ranging from 0.60 to 0.89 and all-cause mortality models from 0.60 to 0.73. Using decision curve analysis in patients with clear-cell renal cell carcinoma, the best models for choosing adjuvant therapy to prevent recurrence and cancer-related death were the Mayo Clinic prediction models. CONCLUSIONS: Model performance varied considerably with some suitable for clinical use. If using prediction models to select adjuvant therapy, the Mayo Clinic models were best when applied to a large contemporary cohort of Canadian patients.
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 | 0,030 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».