From dimensions through dynamics to outcomes – lymph nodes and skin assessments predict CTCL outcomes
Notice bibliographique
Résumé
Radiologic nodal staging in CTCL traditionally uses a 1.5 cm longest diameter (LDi) cutoff; however, this lacks validation and may misclassify risk. We conducted a retrospective analysis of 6,095 CT scans from 262 CTCL patients in the MAVORIC trial using unidimensional, bidimensional, and volumetric LN measurements and mSWAT scores. Optimal cutoffs were determined via ROC analysis and landmarking adjusted for informative censoring. Additionally, kinetic modeling growth rates (g) were calculated for both LN and skin scores. We demonstrated that LDi > 1.5 cm did not predict OS (p = 0.8). However, baseline volumetric cutoffs (3,945 mm3; AUC = 0.67) stratified OS (median 43.6 months vs NA, log-rank p = 0.035); post‑landmark analysis (6,930 mm3) enhanced discrimination. High g (volumetric or mSWAT) independently predicted shorter OS/PFS/TTF (p < 0.05). A combined model (volume + g) had C‑index 0.63 versus 0.60 for volume alone. We conclude that volumetric and dynamic metrics outperform conventional measures in predicting CTCL outcomes. Incorporating these methods into staging and trial criteria is warranted.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».