MétaCan
Menu
Back to cohort
Record W6990436284

Desarrollo de modelos predictivos en el Carcinoma vesical tratado mediante Cistectomía radical

2018· article· es· W6990436284 on OpenAlexfundno aff

Bibliographic record

Venuee_Buah · 2018
Typearticle
Languagees
FieldMedicine
TopicBladder and Urothelial Cancer Treatments
Canadian institutionsnot available
FundersBeef Cattle Research CouncilNational Comprehensive Cancer Network
KeywordsCarcinomaCancerOral cavity
DOInot available

Abstract

fetched live from OpenAlex

INTRODUCCIÓN: El carcinoma vesical es la neoplasia maligna más frecuente del tracto urinario y la undécima neoplasia más frecuente a nivel mundial. El 70% de estas neoplasias son superficiales en el momento del diagnóstico y el 30% son músculo infiltrantes. Los tumores músculo infiltrantes, así como los tumores superficiales que no se controlan con tratamientos conservadores, son tratados mediante la cistectomía radical y linfadenectomía extendida, tratamiento considerado el estándar para este tipo de tumores para el control de la enfermedad. A pesar de la exigencia de este tratamiento, de la alta comorbilidad, la enfermedad progresa con frecuencia y causa la muerte en el 50% de los pacientes cistectomizados a los 5 años. Estos datos hacen pertinente seguir estudiando el cáncer vesical, su caracterización, pronóstico y definir eventuales categorías tributarias de tratamientos ajustados. MATERIAL Y MÉTODOS: Se ha realizado un estudio de cohortes clínico retrospectivo sobre una población de 270 pacientes sometidos a una cistectomía radical y linfadenectomía ilioobturatriz bilateral tras el diagnóstico de carcinoma vesical músculo infiltrante o no infiltrante pero no respondedores al tratamiento conservador, ya sea con histología urotelial como no urotelial. Los pacientes seleccionados fueron operados entre Mayo de 1990 y Diciembre de 2015 en el Servicio de Urología del Hospital Príncipe de Asturias de Alcalá de Henares. El seguimiento de los pacientes se extiende hasta Diciembre 2016, fecha en la que se cierra el estudio. RESULTADOS: La muerte perioperatoria fue de 10 pacientes (4%). La mediana de seguimiento de 32 meses. La muerte global tuvo lugar en 141 pacientes, que corresponde a un 58,8% de nuestra muestra. La supervivencia global fue del 50% y 32% a los 5 y 10 años. La muerte cáncer específica ocurrió en un 40% de nuestros pacientes. La supervivencia cáncer-específica a los 5 y 10 años fue del 59 y 50%. La progresión local tuvo lugar en un 7% de los casos y a distancia en un 37 %. El modelo predictivo para la SG incluyó como variables predictivas el estadio T patológico, edad, la hidronefrosis y la invasión linfovascular con una capacidad predictiva de 0.70. El modelo predictivo para la SCE incluyó como variables independientes el estadio T patológico y la invasión linfovascular con una capacidad predictiva de 0.75. En el modelo predictivo para la SCE se incluyeron como variables independientes la edad, la invasión linfovascular, los márgenes quirúrgicos positivos y el estadio N patológico con una capacidad predictiva de 0.75 La validación externa del modelo de Xylinas obtuvo una capacidad predictiva de 0.72 CONCLUSIONES: 1. Las variables que se comportaron como factores pronósticos independientes para predecir la supervivencia global fueron la edad, la invasión linfovascular, la hidronefrosis y el estadio T patológico. 2. Para la predicción de la supervivencia cáncer específica, las variables predictivas independientes en nuestra cohorte fueron la invasión linfovascular y el estadio T patológico. 3. Las variables predictoras independientes para la supervivencia libre de progresión fueron los márgenes positivos, la invasión linfovascular y el estadio ganglionar. 4. Es posible crear modelos predictivos con la representación gráfica mediante un nomograma para el análisis de la SG, SCE y SLP en pacientes sometidos a CR con intención curativa 5. Nuestros nomogramas han presentado una buena capacidad predictiva, en torno al 0,7-0,75, si bien sería conveniente realizar una validación externa para poder ser aplicado en otras poblaciones. 6. La validación externa del modelo de recurrencia de Xylinas ha presentado una capacidad predictiva del 0,72 al emplearlo sobre nuestra población aplicando los mismos criterios de inclusión y exclusión empleado por Xylinas para su modelo.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.010
metaresearch head score (Gemma)0.017
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.020
Threshold uncertainty score0.052

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0100.017
Meta-epidemiology (narrow)0.0020.001
Meta-epidemiology (broad)0.0020.003
Bibliometrics0.0020.001
Science and technology studies0.0010.000
Scholarly communication0.0030.001
Open science0.0010.001
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.0040.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.016
GPT teacher head0.299
Teacher spread0.282 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2018
Admission routes1
Has abstractyes

Explore more

Same venuee_BuahSame topicBladder and Urothelial Cancer TreatmentsFrench-language works237,207