Prognostic and Prediction Tools in Bladder Cancer: A Comprehensive Review of the Literature

Kluth, Luis A.; Black, Peter C.; Bochner, Bernard H.; Catto, James W.F.; Lerner, Seth P.; Stenzl, Arnulf; Sylvester, Richard; Vickers, Andrew J.; Xylinas, Évanguelos; Shariat, Shahrokh F.

doi:10.1016/j.eururo.2015.01.032

Cited by 231 publications

(189 citation statements)

References 105 publications

Supporting

Mentioning

180

Contrasting

Unclassified

Order By: Relevance

“…However, the remaining cases are muscle-invasive bladder cancer (MIBC), which have a worse prognosis and ultimately endanger the lives of patients (3,4). At present, little is known regarding the molecular mechanisms of bladder cancer, and no sensitive prognostic biomarker has been identified (5). Therefore, it is imperative to investigate the underlying mechanism and identify novel prognostic biomarkers of bladder cancer.…”

Section: Introductionmentioning

confidence: 99%

Upregulated GAPLINC predicts a poor prognosis in bladder cancer patients and promotes tumor proliferation and invasion

et al. 2018

View full text Add to dashboard Cite

Section: Introductionmentioning

confidence: 99%

Upregulated GAPLINC predicts a poor prognosis in bladder cancer patients and promotes tumor proliferation and invasion

et al. 2018

View full text Add to dashboard Cite

“…Esquemas de estratificação de risco e um sistema de gradação simplificam a estimativa de probabilidades de recorrência e de progressão e guiam a decisão de condutas no tratamento da doença, o aconselhamento do paciente e a inclusão em estudos clínicos 6,7 . Entretanto, a maioria das decisões clínicas em casos de câncer de bexiga são feitas sem levar em conta nenhuma ferramenta de predição 8 .…”

Section: Descritoresunclassified

“…A classificação TNM permite a subdivisão do câncer de bexiga em câncer de bexiga não invasor da camada muscular (câncer de bexiga superficial, Ta ou T1), e câncer de bexiga invasor da camada muscular (T2, T3 ou T4). Porém, foi mostrado que esse sistema de estadiamento é menos preciso que modelos que utilizam diversos parâmetros clínicos pré e pós-operatórios de cada paciente, permitindo uma medicina individualizada 7 . Com o objetivo de prever as probabilidades de recorrência do câncer de bexiga superficial, a Organização Europeia para Pesquisa e Tratamento do Câncer (EORTC) desenvolveu um sistema de pontuação e tabelas de risco.…”

Section: Descritoresunclassified

“…Com o objetivo de prever as probabilidades de recorrência do câncer de bexiga superficial, a Organização Europeia para Pesquisa e Tratamento do Câncer (EORTC) desenvolveu um sistema de pontuação e tabelas de risco. 12 Essa ferramenta foi elaborada a partir de dados de 2596 pacientes com câncer de bexiga superficial, e levou em conta os 6 mais importantes preditores clínicos e patológicos de desfecho: estadio T, grau histológico, número de tumores, tamanho do tumor, carcinoma in situ concomitante e história prévia de recorrência da doença 7 . As tabelas de risco da EORTC são aceitas mundialmente e possuem validação externa [13][14][15][16][17][18] .…”

Section: Descritoresunclassified

See 1 more Smart Citation

Preditores de recorrência e progressão do câncer de bexiga: validação externa do escore de risco EORTC e a Classificação do Instituto do Câncer do Estado de São Paulo

Machado¹,

Waksman²,

Chade

et al. 2017

Rev. Med. (São Paulo)

View full text Add to dashboard Cite

Introdução: Classificações de risco baseadas em fatores preditivos de recorrência e progressão são essenciais para condutas no câncer de bexiga. Tabelas de risco combinam essas variáveis para uso clínico. As tabelas de risco da Organização Europeia para Pesquisa e Tratamento do Câncer (EORTC) são aceitas para esse propósito, mas nunca foram validadas no Brasil. Objetivos: Validar as tabelas de risco EORTC e criar uma classificação de risco baseada na população de pacientes acompanhados em um centro terciário de câncer. Métodos: Estudo retrospectivo de 561 pacientes submetidos a ressecção transuretral (RTU) de câncer de bexiga superficial de fevereiro de 2005 a junho de 2011. As variáveis analisadas foram as mesmas das tabelas de risco EORTC. A regressão logística foi realizada usando SPSS. A análise da curva COR determinou o limite de tamanho do tumor. Resultados: As tabelas de risco EORTC não conseguiram prever recorrência nem progressão. Na análise para prever recorrência isoladamente, estadio T e tamanho do tumor previram o desfecho. O limite de tamanho do tumor foi definido em <4cm vs ≥4cm (AUC=0,61; p=0,001). Criamos uma classificação: Ta/CIS=0 pontos, T1=4 pontos, tamanho do tumor=0 ou 3 pontos. A classificação de risco foi obtida somando os pontos. A taxa de recorrência em 2 anos foi: escore 0=11,2%; escore 3=20,7%; escore 4=29,2%; escore 7=37,9%. Para prever recorrência e progressão, estadio T e tamanho do tumor previram significativamente o desfecho. A classificação em escores foi: Ta/CIS=0 pontos, T1=2 pontos, tamanho do tumor = 0 ou 2 pontos. A classificação de risco foi obtida somando os pontos. A taxa de recorrência em 2 anos foi: escore 0=17%; escore 2=28,6%; escore 4=40,7%. Conclusões: Constatamos que as tabelas de risco EORTC não conseguiram prever recorrência ou progressão do câncer de bexiga na nossa população. Portanto, desenvolvemos uma classificação de risco para auxiliar urologistas a individualizar as condutas por paciente.

show abstract

“…For several common complex diseases, including different forms of cancer, diabetes, and cardiovascular disease, many prediction models have been developed in various source populations [1][2][3][4][5][6][7]. The predictive performance of these risk models is typically assessed by evaluating discrimination.…”

Section: Introductionmentioning

confidence: 99%

Impact of Correlation of Predictors on Discrimination of Risk Models in Development and External Populations

Kundu¹,

Mazumdar²,

Ferket³

2016

J Biom Biostat

View full text Add to dashboard Cite

Background: The area under the ROC curve (AUC) of risk models is known to be influenced by differences in case-mix and effect size of predictors. The impact of heterogeneity in correlation among predictors has however been under investigated. We sought to evaluate how correlation among predictors affects the AUC in development and external populations. Methods: We simulated hypothetical populations using two different methods based on means, standard deviations, and correlation of two continuous predictors. In the first approach, the distribution and correlation of predictors were assumed for the total population. In the second approach, these parameters were modeled conditional on disease status. In both approaches, multivariable logistic regression models were fitted to predict disease risk in individuals. Each risk model developed in a population was validated in the remaining populations to investigate external validity. Results: For both approaches, we observed that the magnitude of the AUC in the development and external populations depends on the correlation among predictors. Lower AUCs were estimated in scenarios of both strong positive and negative correlation, depending on the direction of predictor effects and the simulation method. However, when adjusted effect sizes of predictors were specified in the opposite directions, increasingly negative correlation consistently improved the AUC. AUCs in external validation populations were higher or lower than in the derivation cohort, even in the presence of similar predictor effects. Conclusions: Discrimination of risk prediction models should be assessed in various external populations with different correlation structures to make better inferences about model generalizability.

show abstract

Prognostic and Prediction Tools in Bladder Cancer: A Comprehensive Review of the Literature

Cited by 231 publications

References 105 publications

Upregulated GAPLINC predicts a poor prognosis in bladder cancer patients and promotes tumor proliferation and invasion

Upregulated GAPLINC predicts a poor prognosis in bladder cancer patients and promotes tumor proliferation and invasion

Preditores de recorrência e progressão do câncer de bexiga: validação externa do escore de risco EORTC e a Classificação do Instituto do Câncer do Estado de São Paulo

Impact of Correlation of Predictors on Discrimination of Risk Models in Development and External Populations

Contact Info

Product

Resources

About