Classification tree for the prediction of malignant disease and the prediction of non-diagnostic biopsies in patients with small renal masses

Auteurs-es

  • Michael Organ Department of Urology, Memorial University, St. John's, Newfoundland, Canada
  • Landan P. MacDonald School of Medicine, Dalhousie University, Saint John, New Brunswick, Canada
  • Michael A.S. Jewett Departments of Surgery (Urology) and Surgical Oncology, Princess Margaret Cancer Centre, University Health Network and University of Toronto, Toronto, Ontario, Canada
  • Henry Ajzenberg School of Medicine, Queen's University, Kingston, Ontario, Canada
  • Ashraf Almatar Department of Urology, King Fahad Specialist Hospital-Dammam, Dammam, Saudi Arabia
  • Mohamed Abdolell Department of Diagnostic Radiology, Dalhousie University, Halifax, Nova Scotia, Canada
  • Matthew R. Acker Department of Urology, Dalhousie University, Saint John, New Brunswick, Canada
  • Ricardo Rendon Department of Urology, Dalhousie University, Halifax, Nova Scotia, Canada

DOI :

https://doi.org/10.5489/cuaj.5196

Mots-clés :

small renal masses, classification tree

Résumé

Introduction: Preoperative prediction of benign vs. malignant small renal masses (SRMs) remains a challenge. This study: 1) validates our previously published classification tree (CT) with an external cohort; 2) creates a new CT with the combined cohort; and 3) evaluates the RENAL and PADUA scoring systems for prediction of malignancy.

Methods: This study includes a total of 818 patients with renal masses; 395 underwent surgical resection and 423 underwent biopsy. A CT to predict benign disease was developed using patient and tumour characteristics from the 709 eligible participants. Our CT is based on four parameters: tumour volume, symptoms, gender, and symptomatology. CART modelling was also used to determine if RENAL and PADUA scoring could predict malignancy.

Results: When externally validated with the surgical cohort, the predictive accuracy of the old CT dropped. However, by combining the cohorts and creating a new CT, the predictive accuracy increased from 74% to 87% (95% confidence interval 0.84–0.89). RENAL and PADUA score alone were not predictive of malignancy. One limitation was the lack of available histological data from the biopsy series.

Conclusions: The validated old CT and new combined-cohort CT have a predictive value greater than currently published nomograms and single-biopsy cohorts. Overall, RENAL and PADUA scores were not able to predict malignancy.

Téléchargements

Les données relatives au téléchargement ne sont pas encore disponibles.

Téléchargements

Publié-e

2018-09-25

Comment citer

Organ, M., MacDonald, L. P., Jewett, M. A., Ajzenberg, H., Almatar, A., Abdolell, M., … Rendon, R. (2018). Classification tree for the prediction of malignant disease and the prediction of non-diagnostic biopsies in patients with small renal masses. Canadian Urological Association Journal, 13(4). https://doi.org/10.5489/cuaj.5196

Numéro

Vol. 13 No. 4 (2019): CUAJ April

Rubrique

Original Research

Licence

Les auteurs accordent les droits d’auteurs liés à l’article et son contenu à l’Association des urologues du Canada. Cette entente signifie que vous ne pouvez pas faire ce qui suit, sans d’abord obtenir l’autorisation écrite de l’AUC :

  • Afficher l’article sur tout site Web.
  • Traduire ou autoriser une tierce partie à traduire l’article.
  • Copier ou reproduire l’article par quelque moyen que ce soit et sous tout format que ce soit, ou autoriser d’autres à le faire, au-delà de ce qui est permis par la loi canadienne du droit d’auteur.
  • Copier ou reproduire des sections de l’article, y compris les tableaux et figures, par quelque moyen que ce soit, ou autoriser d’autres à le faire, au-delà de ce qui est permis par la loi canadienne du droit d’auteur.

L’AUC encourage l’usage des articles à des fins éducatives sans but commercial et ne refusera pas sans motif raisonnable toute demande d’autorisation à cet effet.

Vous conservez le droit moral lié à l’article et son contenu. Cela signifie que l’AUC ne peut utiliser ses droits d’auteurs d’une manière telle que cela pourrait avoir des répercussions négatives sur votre réputation ou sur votre droit à être associé à l’article.

L’AUC exige également que vous garantissiez ce qui suit :

  • Vous êtes l’auteur ou les auteurs et seul(s) propriétaire(s) du contenu, le contenu de l’article est original et n’a jamais été publié et vous n’en avez pas déjà cédé les droits d’auteurs ni accordé de licence concernant son contenu à toute autre tierce partie;
  • Toutes les personnes qui ont contribué de manière considérable à la rédaction de l’article sont mentionnées;
  • L’article ne viole aucun droit de propriété de toute tierce partie, et vous avez obtenu les autorisations requises pour inclure les travaux d’autres personnes dans cet article; et
  • L’article ne diffame aucune tierce partie ni ne viole les droits à la vie privée de toute tierce partie.