相关实验视频
Updated: Sep 19, 2025
An R-Based Landscape Validation of a Competing Risk Model
Published on: September 16, 2022
开发和内部验证一种新的预测模型,以指导前列腺癌患者个性化风险评估
Fabrizio Di Maida1, Luca Lambertini1, Antonio Andrea Grosso1
1Department of Experimental and Clinical Medicine, University of Florence - Unit of Oncologic Minimally-Invasive Urology and Andrology, Careggi Hospital, Florence, Italy.
这项研究开发了两种名图来预测前列腺癌 (PCa) 手术后复发. 这些工具提供个性化的风险评估,以指导治疗时间和优化PCa患者的治疗结果.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 在瘤学瘤学.
- 手术瘤学手术瘤学
背景情况:
- 前列腺癌 (PCa) 管理需要为接受治疗性手术的患者制定个性化策略.
- 预测瘤结果对于调整治疗和优化手术时间至关重要.
- 机器人辅助激进前列腺切除术 (RARP) 是PCa的一种常见的手术方法.
研究的目的:
- 开发一个个性化的风险计算器,用于预测PCa患者的瘤结果,这些患者有资格接受手术.
- 根据预测结果,制定风险适应的策略来管理PCa患者.
- 设计和验证用于预测RARP后3年生化失效 (BCF) 的诺姆图.
主要方法:
- 从2020年3月至2023年6月期间接受RARP的2017名患者收集前性数据.
- 多变量Cox比例危险分析以确定3年BCF的预测因素.
- 开发和内部验证 (bootstrapping) 的手术前和手术后的nomograms.
主要成果:
- 3年BCF显著的手术前预测因素包括CT阶段,cn阶段,ISUP等级,PIRADS得分和手术延迟.
- 重要的术后预测因素包括pT阶段,PN阶段,ISUP等级,手术边缘和手术延迟.
- 术前和术后模型实现了ROC曲线下的面积 (AUC) 分别为60.7%和71.9%.
结论:
- 开发了两种内部验证的诺姆图,用于预测接受RARP的PCa患者的3年BCF.
- 手术前的诺摩图有助于初始风险分层和治疗计划.
- 手术后的诺米图提供了精细的预测,使用了确定的病理数据,优化了手术时间.
更多相关视频
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
