Construction and Verification of a Predictive Nomogram for Overall Survival in Patients with Large Retroperitoneal Liposarcoma: A Population-Based Cohort Study
Notice bibliographique
Résumé
Objective This study aimed to show the clinicopathological characteristics of large retroperitoneal liposarcoma (RLS) and to develop a customized nomogram model for patients with large RLS. Methods A total of 1735 patients diagnosed with RLS were selected from the public SEER database. Among them, 1113 patients with a maximum tumor diameter greater than 150 mm were included for further analysis. Nomogram models were developed based on Lasso and multivariate Cox regression analyses. A total of 166 patients that presented in the same period at our institution were used for external validations. Results A larger tumor size in RLS was associated with worse survival outcomes. Lasso and Cox regression analyses consistently identified age, TNM stage, occurrence pattern, histology, and surgery as important prognostic factors for OS. The constructed model demonstrated robust predictive performance, with better time-ROC (time-dependent receiver operating characteristic) for 1-year (83.1%), 3-year (83.8%), and 5-year (81.4%) survival in the training cohort. The concordance index (C-index) was approximately 0.80 in both the training and validation cohorts, reflecting excellent discriminatory ability of the model. Survival risk stratification analysis revealed significant differences in survival outcomes of large RLS (HR = 4.12 [3.31–5.12], p < 0.001, in the training cohort). Decision curve analysis (DCA) confirmed that the nomogram provided greater net benefits across a range of threshold probabilities. Conclusion This study identified important prognostic factors for survival in patients with large RLS and developed a reliable nomogram for predicting OS. The model’s strong predictive performance supports its use in personalized treatment strategies, improving prognosis assessment and clinical decision making for these 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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».