A Simplified Novel Algorithm to Predict the 21-Gene Recurrence Score
Notice bibliographique
Résumé
Background: The 21-gene recurrence score (Oncotype DX) guides adjuvant chemotherapy decisions in early-stage estrogen receptor (ER)-positive, human epidermal growth factor receptor-2 (HER2)-negative breast cancer. However, its high cost and limited availability motivate the development of simplified predictive models using routinely reported pathology parameters. The aim of this study was to develop and validate a practical, rule-based algorithm that predicts Oncotype DX recurrence score (RS) category using only histologic grade and progesterone receptor (PR) expression percentage. Methods: early breast cancer who underwent Oncotype DX testing. Cases were randomly assigned to a learning (n = 377) and validation (n = 151) set. Univariate analysis and receiver operating characteristics (ROC) curves were used to determine PR% cut-offs within each histologic grade to stratify patients into low-risk (RS ≤ 25) or high-risk (RS > 25) categories. A stepwise algorithm was derived from these parameters and tested in the validation cohort. Results: Histologic grade and PR% were significantly associated with RS. Grade 1 tumors were uniformly low-risk regardless of PR%. In grade 2, PR ≥ 60% achieved 100% sensitivity for low RS; in grade 3, PR < 40% achieved 100% sensitivity for high risk. The algorithm confidently stratified ∼ 65% of cases. In the validation set, the model showed 87.5% sensitivity, 100% specificity, 100% positive predictive value (PPV), 99% negative predictive value (NPV), and 99% overall accuracy. Conclusion: This simplified algorithm accurately predicts Oncotype DX RS category using only histologic grade and PR%. It enables confident risk stratification in most patients without molecular testing, offering a low-cost, practical tool for clinical decision-making, particularly in resource-limited settings.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».