Risk factors analysis and nomogram for predicting recurrence in periocular basal cell carcinoma
Notice bibliographique
Résumé
OBJECTIVES: Aim to develop a nomogram to effectively predict the potential for recurrence after surgical resection in patients with periocular basal cell carcinoma (BCC). METHODS: We conducted a retrospective study involving 329 patients with eyelid BCC. Univariate and multivariate Cox proportional risk regression was used to screen for independent factors affecting BCC recurrence. Kaplan-Meier survival curve analysis was performed to evaluate their impact on prognosis. On the basis of the results obtained from Cox regression analysis, a nomogram was established for the 1-, 2-, and 3-year recurrence-free survival (RFS) rates of BCC. RESULTS: In this study, a total of 15 patients out of 329 patients (4.6%) developed local recurrence. Multivariate analysis revealed that age, pathological type, previous history of BCC, and the number of surgeries were independent risk factors for BCC recurrence (p < 0.05, respectively). These risk factors were utilized to construct a nomogram to predict postoperative recurrence for these patients. The C-index of the nomogram was 0.867 (95% CI: 0.817-0.916), and the receiver operating characteristic curves were used to assess the discriminatory degree of the nomogram, with area under the curve values of 0.978, 0.870, and 0.916 at 1, 2, and 3 years, respectively. The calibration curves were basically fitted to the ideal curves. CONCLUSIONS: Age, pathological type, previous history of BCC, and the number of surgeries are significant risk factors for periocular BCC recurrence. Establishing a nomogram related to recurrence risk factors can more accurately predict the recurrence-free survival of individual 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 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) | 0,001 | 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 | 0,000 | 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 ».