机器人辅助激进前列腺切除术后cT2cN0M0前列腺癌不良病理变化的风险分析:基于人口的研究结果
Jianhui Qiu1,2,3, Ruiyi Deng1,2,3, Jiaheng Shang1,2,3
1Department of Urology, Peking University First Hospital, Beijing, China.
Asian journal of urology
|October 6, 2025
概括
预测模型识别了临床瘤2c期前列腺癌患者进行机器人辅助激进前列腺切除术的不良病理变化. PSA 密度和活检核心阳性是关键预测因素,有助于早期风险分层和临床决策.
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.
- 病理学 病理学 病理学
背景情况:
- 诸如升级,升级等不良病理变化 (APC) 和积极的外科边缘 (PSM) 影响前列腺癌 (PCa) 的结果.
- 在临床瘤阶段2c (cT2c) PCa患者中确定APC的预测因子,这些患者接受机器人辅助激进前列腺切除术 (RARP),对于治疗计划至关重要.
研究的目的:
- 在cT2c PCa患者中探索RARP后APC (升级,升级,PSM) 的临床病理预测因子.
- 开发和验证用于早期识别高风险患者的预测模型.
主要方法:
- 在活检后90天内接受RARP的423名cT2cN0M0PCa患者的回顾性分析.
- 单变量和多变量后勤回归用于识别 APC 的风险因素.
- 使用ROC曲线,决策曲线分析和校准图表开发和验证名ograms.
主要成果:
- 在33% (升级),51% (升级) 和35% (PSM) 的地区发生了APC.
- PSA密度和阳性活检核的百分比是整体APC的显著预测指标.
- PSA密度,活检核心阳性,国际泌尿病学学会等级组 (IGG) 预测升级.
- 预测PSA密度,活检核心阳性,以及最大瘤百分比 (LTP) 的升级.
- PSA 密度和 LTP 预测了 PSM.
- 四个名录显示出出色的预测准确性.
结论:
- 结合PSA密度,活检特征和IGG的预测模型可以识别具有APC高风险的cT2c PCa患者.
- 这些模型可以优化临床决策,并改善RARP之前的患者管理.
- 早期识别高风险患者有助于制定个性化治疗策略.


