Node-RADS category on preoperative CT predicts prognosis in patients with papillary renal cell carcinoma
Notice bibliographique
Résumé
OBJECTIVES: This research focused on investigating the relationship between the Node Reporting and Data System (Node-RADS) categories, determined via preoperative CT, and the outcomes of progression-free survival (PFS) and cancer-specific survival (CSS) in individuals diagnosed with papillary renal cell carcinoma (pRCC). METHODS: A retrospective multicenter study initially enrolled 454 patients, with 218 eligible for analysis following partial nephrectomy or radical resection for pRCC. Prognostic factors related to PFS and CSS in pRCC patients were identified through univariate and multivariate Cox regression analyses. Subsequently, the prognostic value of Node-RADS was assessed and compared with the existing pRCC risk stratification model. RESULTS: In total, 218 patients (mean age, 58 years; men, 164 [75.2%]) with pRCC (186 Node-rads I tumors (85.3%), 10 Node-rads II tumors (4.6%), and 22 Node-rads III tumors (10.1%)) were included. The Node-RADS category emerged as an independent prognostic factor for PFS (III vs II vs I, hazard ratio (HR) 4.250, p < 0.001) and CSS (III vs II vs I, HR 4.466; p < 0.001). When the Node-RADS category was incorporated into Leibovich's model, the resulting combined model demonstrated a significant improvement in predictive accuracy (C-index: 0.865 versus 0.755, p = 0.005 for PFS; and 0.921 versus 0.835, p = 0.01 for CSS). CONCLUSION: The Node-RADS category has been identified as a more accurate predictor of prognosis for pRCC, regardless of pathologic lymph node involvement. These findings need further confirmation in prospective studies. KEY POINTS: Question Lymph node status is important for papillary renal cell carcinoma prognosis, and there is a lack of consensus on radiological evaluation. Findings Node-RADS is an independent predictor of progression-free survival and cancer-specific survival in papillary renal cell carcinoma. Clinical relevance The Node Reporting and Data System category improves the accuracy of the Leibovich model for prognosis, which can help clinical practitioners select individualized treatment plans for each patient.
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 ».