Notice bibliographique
Résumé
INTRODUCTION: Leiomyosarcoma of the kidney and renal pelvis is a rare tumor that, on the basis of limited data, has been ascribed a particularly poor prognosis compared to other subtypes of renal malignancy. Here the population-based Surveillance, Epidemiology, and End Results (SEER) registry is used to study the survival of renal leiomyosarcomas. METHODS: There were 95,935 cases of invasive cancer of the kidney and renal pelvis retrieved from the SEER registry to provide 112 cases of leiomyosarcoma. Kaplan-Meier survival estimates and Cox proportional hazard models were constructed to compare the survival of leiomyosarcomas to other renal malignancies. RESULTS: Leiomyosarcomas constituted 0.12% of all invasive renal malignancies. They exhibited a median overall survival of 25 months, with a 25% 5-year overall survival, and a 60% 5-year cause-specific survival. Multivariate analysis of all renal malignancies together revealed that cancer stage was the strongest predictor for overall survival followed by age, histological grade, histological subtype, tumor size, and gender. The hazard ratio for leiomyosarcoma in this analysis was intermediate compared to the other malignancies. When leiomyosarcomas were analyzed separately, the major determinants to overall survival were stage and age at diagnosis. Kaplan-Meier analysis revealed that the overall survival curve for renal leiomyosarcoma essentially superimposed that of transitional cell carcinoma, and was better than that of clear cell carcinoma. These results provide a more optimistic outlook than has been conventionally afforded to this tumor.
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 | 0,001 | 0,002 |
| 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 | 0,000 | 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) | 0,004 | 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 ».