<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE root>
<article xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:ali="http://www.niso.org/schemas/ali/1.0/" article-type="other" dtd-version="1.2" xml:lang="en"><front><journal-meta><journal-id journal-id-type="publisher-id">Cancer Urology</journal-id><journal-title-group><journal-title xml:lang="en">Cancer Urology</journal-title><trans-title-group xml:lang="ru"><trans-title>Онкоурология</trans-title></trans-title-group></journal-title-group><issn publication-format="print">1726-9776</issn><issn publication-format="electronic">1996-1812</issn><publisher><publisher-name xml:lang="en">Publishing House ABV Press</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="publisher-id">1553</article-id><article-id pub-id-type="doi">10.17650/1726-9776-2022-18-3-67-75</article-id><article-categories><subj-group subj-group-type="toc-heading" xml:lang="en"><subject>DIAGNOSIS AND TREATMENT OF URINARY SYSTEM TUMORS. PROSTATE CANCER</subject></subj-group><subj-group subj-group-type="toc-heading" xml:lang="ru"><subject>ДИАГНОСТИКА И ЛЕЧЕНИЕ ОПУХОЛЕЙ МОЧЕПОЛОВОЙ СИСТЕМЫ. Рак предстательной железы</subject></subj-group><subj-group subj-group-type="article-type"><subject></subject></subj-group></article-categories><title-group><article-title xml:lang="en">Nomograms for predicting local recurrence in prostate cancer patients with a positive resection margin</article-title><trans-title-group xml:lang="ru"><trans-title>Номограммы для прогнозирования местного рецидива при наличии положительного хирургического края резекции у больных раком предстательной железы после проведенного хирургического лечения</trans-title></trans-title-group></title-group><contrib-group><contrib contrib-type="author"><contrib-id contrib-id-type="orcid">https://orcid.org/0000-0002-4171-6211</contrib-id><name-alternatives><name xml:lang="en"><surname>Nyushko</surname><given-names>K. M.</given-names></name><name xml:lang="ru"><surname>Нюшко</surname><given-names>К. М.</given-names></name></name-alternatives><address><country country="RU">Russian Federation</country></address><bio xml:lang="en"><p><bold>Kirill Mihaylovich Nyushko</bold></p><p><italic>3 2<sup>nd</sup> Botkinskiy Proezd, Moscow 125284;</italic><italic>11 Volokolamskoe Shosse, Moscow 125080</italic></p></bio><bio xml:lang="ru"><p><bold>Кирилл Михайлович Нюшко</bold></p><p><italic>125284 Москва, 2‑й Боткинский пр‑д, 3;</italic><italic>125080 Москва, Волоколамское шоссе, 11</italic></p></bio><email>Kirandja@yandex.ru</email><xref ref-type="aff" rid="aff1"/><xref ref-type="aff" rid="aff2"/></contrib><contrib contrib-type="author"><contrib-id contrib-id-type="orcid">https://orcid.org/0000-0001-7280-2553</contrib-id><name-alternatives><name xml:lang="en"><surname>Perepukhov</surname><given-names>V. M.</given-names></name><name xml:lang="ru"><surname>Перепухов</surname><given-names>В. М.</given-names></name></name-alternatives><address><country country="RU">Russian Federation</country></address><bio xml:lang="en"><p><italic>3 2<sup>nd</sup> Botkinskiy Proezd, Moscow 125284</italic></p></bio><bio xml:lang="ru"><p><italic>125284 Москва, 2‑й Боткинский пр‑д, 3</italic></p></bio><xref ref-type="aff" rid="aff1"/></contrib><contrib contrib-type="author"><contrib-id contrib-id-type="orcid">https://orcid.org/0000-0002-3398-4128</contrib-id><name-alternatives><name xml:lang="en"><surname>Alekseev</surname><given-names>B. Ya.</given-names></name><name xml:lang="ru"><surname>Алексеев</surname><given-names>Б. Я.</given-names></name></name-alternatives><address><country country="RU">Russian Federation</country></address><bio xml:lang="en"><p><italic>3 2<sup>nd</sup> Botkinskiy Proezd, Moscow 125284;</italic><italic>11 Volokolamskoe Shosse, Moscow 125080</italic></p></bio><bio xml:lang="ru"><p><italic>125284 Москва, 2‑й Боткинский пр‑д, 3;</italic><italic>125080 Москва, Волоколамское шоссе, 11</italic></p></bio><xref ref-type="aff" rid="aff1"/><xref ref-type="aff" rid="aff2"/></contrib></contrib-group><aff-alternatives id="aff1"><aff><institution xml:lang="en">National Medical Research Radiological Center, Ministry of Health of Russia</institution></aff><aff><institution xml:lang="ru">ФГБУ «Национальный медицинский исследовательский центр радиологии» Минздрава России</institution></aff></aff-alternatives><aff-alternatives id="aff2"><aff><institution xml:lang="en">Medical Institute of Continuing Education, Moscow State University of Food Production</institution></aff><aff><institution xml:lang="ru">Медицинский институт непрерывного образования ФГБОУ ВО «Московский государственный университет пищевых производств»</institution></aff></aff-alternatives><pub-date date-type="pub" iso-8601-date="2022-12-10" publication-format="electronic"><day>10</day><month>12</month><year>2022</year></pub-date><volume>18</volume><issue>3</issue><issue-title xml:lang="en"/><issue-title xml:lang="ru"/><fpage>67</fpage><lpage>75</lpage><history><date date-type="received" iso-8601-date="2022-02-27"><day>27</day><month>02</month><year>2022</year></date><date date-type="accepted" iso-8601-date="2022-03-22"><day>22</day><month>03</month><year>2022</year></date></history><permissions><ali:free_to_read xmlns:ali="http://www.niso.org/schemas/ali/1.0/"/></permissions><self-uri xlink:href="https://oncourology.abvpress.ru/oncur/article/view/1553">https://oncourology.abvpress.ru/oncur/article/view/1553</self-uri><abstract xml:lang="en"><p><bold>Background.</bold> Prostate cancer patients with a positive resection margin after radical prostatectomy are at risk of developing local recurrence. This risk should be carefully estimated in order to choose an optimal management strategy.</p><p><bold>Aim.</bold> To develop a nomogram to predict the risk of local recurrence in patients with a positive resection margin using the data on patients who have undergone surgery.</p><p><bold>Materials and methods.</bold> Routine pathomorphological examination of surgical specimens from 2255 patients with clinically significant local and locally advanced prostate cancer revealed 364 cases of positive resection margin. Statistical analysis allowed us to identify the most significant prognostic factors. Using selected preoperative factors and a mathematical model, we created a nomogram to predict local recurrence in patients with a positive resection margin.</p><p><bold>Results.</bold> Our nomogram had an accuracy of 93% (area under the ROC curve (AUC) 0.9392; p &lt;0.005), sensitivity of 0.99438, and specificity of 0.94545. The most significant prognostic factors included proportion of positive biopsy specimens, Gleason score (International Society of Urological Pathology (ISUP) grade estimated at routine pathomorphological examination), and presence and length of positive resection margin.</p><p><bold>Conclusion.</bold> Our mathematical model and the nomogram based on it are highly accurate for predicting local recurrence and can therefore be used for choosing an optimal management strategy.</p></abstract><trans-abstract xml:lang="ru"><p><bold>Введение.</bold> При наличии положительного хирургического края после проведенной радикальной простатэктомии у больных раком предстательной железы существует необходимость прогнозирования вероятности развития местного рецидива для выбора дальнейшей тактики ведения пациента.</p><p><bold>Цель исследования </bold>– на основе базы данных пациентов, которым было выполнено хирургическое лечение, разработать номограмму, с помощью которой можно спрогнозировать вероятность местного рецидива у пациентов с наличием положительного хирургического края.</p><p><bold>Материалы и методы</bold>. По результатам планового патоморфологического исследования после проведенного хирургического лечения 2255 больных клинически значимым локализованным и местно-распространенным раком предстательной железы было выявлено 364 случая положительного хирургического края. С помощью статистического анализа определены наиболее значимые факторы прогноза. На основе отобранных предоперационных факторов с использованием математической модели построена номограмма, прогнозирующая вероятность развития местного рецидива у пациентов с наличием положительного хирургического края резекции.</p><p><bold>Результаты.</bold> Построенная номограмма обладает точностью прогноза 93 % (площадь под ROC-кривой (AUC) 0,9392; p &lt;0,005), чувствительностью 0,99438, специфичностью 0,94545. Наиболее значимые факторы прогноза: процент положительных биоптатов, степень злокачественности по шкале Глисона (градация по критериям ISUP (Международного общества урологической патологии) по данным планового патоморфологического исследования), наличие и протяженность положительного хирургического края.</p><p><bold>Заключение.</bold> Полученная математическая модель и построенная на ее основе номограмма с высокой точностью предсказывают вероятность развития местного рецидива и могут использоваться для выбора дальнейшей тактики ведения пациента.</p></trans-abstract><kwd-group xml:lang="en"><kwd>nomogram</kwd><kwd>prostate cancer</kwd><kwd>prognosis</kwd><kwd>local recurrence</kwd><kwd>positive resection margin</kwd><kwd>mathematical model</kwd><kwd>adjuvant therapy</kwd></kwd-group><kwd-group xml:lang="ru"><kwd>номограмма</kwd><kwd>рак предстательной железы</kwd><kwd>прогнозирование</kwd><kwd>местный рецидив</kwd><kwd>положительный хирургический край</kwd><kwd>математическая модель</kwd><kwd>адъювантная терапия</kwd></kwd-group><funding-group><funding-statement xml:lang="en">The study was performed without external funding.</funding-statement><funding-statement xml:lang="ru">Исследование проведено без спонсорской поддержки.</funding-statement></funding-group></article-meta></front><body></body><back><ref-list><ref id="B1"><label>1.</label><citation-alternatives><mixed-citation xml:lang="en">State of oncological care in Russia in 2020. Eds.: А.D. Kaprin, V.V. Starinskiy, A.О. Shachzadova. Moscow: MNIOI im. P.A. Gertsena – filial FGBU “NMITS radiologii” Minzdrava Rossii, 2021. 239 p. (In Russ.).</mixed-citation><mixed-citation xml:lang="ru">Состояние онкологической помощи населению России в 2020 году. Под ред. А.Д. Каприна, В.В. Старинского, А.О. Шахзадовой. М.: МНИОИ им. П.А. Герцена – филиал ФГБУ «НМИЦ радиологии» Минздрава России, 2021. 239 с.</mixed-citation></citation-alternatives></ref><ref id="B2"><label>2.</label><mixed-citation>Bill-Axelson A., Holmberg L., Garmo H. et al. Radical prostatectomy or watchful waiting in prostate cancer – 29-year follow-up. N Engl J Med 2018;379(24):2319–29. DOI: 10.1056/NEJMoa1807801</mixed-citation></ref><ref id="B3"><label>3.</label><mixed-citation>Wilt T.J., Jones K.M., Barry M.J. et al. Follow-up of prostatectomy versus observation for early prostate cancer. N Engl J Med 2017;377(2):132–42. DOI: 10.1056/NEJMoa1615869</mixed-citation></ref><ref id="B4"><label>4.</label><mixed-citation>Hamdy F.C., Donovan J.L., Lane J.A. et al. 10-year outcomes after monitoring, surgery, or radiotherapy for localized prostate cancer. N Engl J Med 2016;375(15):1415–24. DOI: 10.1056/NEJMoa1606220</mixed-citation></ref><ref id="B5"><label>5.</label><mixed-citation>Hegarty J., Beirne P.V., Walsh E. et al. Radical prostatectomy versus watchful waiting for prostate cancer. Cochrane Database Syst Rev 2010;(11):CD006590. DOI: 10.1002/14651858.CD006590.pub2</mixed-citation></ref><ref id="B6"><label>6.</label><mixed-citation>Pedregosa F., Varoquaux G., Gramfort A., Michel V. Scikit-learn: machine learning in python. JMLR 2011;12:2825–30.</mixed-citation></ref><ref id="B7"><label>7.</label><mixed-citation>CamDavidsonPilon/lifelines: v0.21.0. (2019) Available at: https://doi.org/10.5281/ZENODO.2638135</mixed-citation></ref><ref id="B8"><label>8.</label><mixed-citation>Therneau T.M., Lumley T., Atkinson E., Crowson C. A package for survival analysis in R. R package version 3.2-11. (2021). Available at: https://CRAN.Rproject.org/package=survival.</mixed-citation></ref><ref id="B9"><label>9.</label><mixed-citation>Therneau T.M., Grambsch P.M. Modeling survival data: extending the Cox model. New York: Springer, 2000.</mixed-citation></ref><ref id="B10"><label>10.</label><mixed-citation>Venables W.N., Ripley B.D. Modern applied statistics with S. 4th edn. New York: Springer, 2002. Available at: https://www.stats.ox.ac.uk/pub/MASS4/.</mixed-citation></ref><ref id="B11"><label>11.</label><mixed-citation>Fox J., Weisberg S. An R companion to applied regression. 3rd edn. Sage Publications, 2019. Available at: https://socialsciences.mcmaster.ca/jfox/Books/Companion/.</mixed-citation></ref><ref id="B12"><label>12.</label><mixed-citation>Wickham H. ggplot2: elegant graphics for data analysis. New York: Springer, 2016. Available at: https://ggplot2.tidyverse.org.</mixed-citation></ref><ref id="B13"><label>13.</label><mixed-citation>Zhang Z., Kattan M.W. Drawing nomograms with R: applications to categorical outcome and survival data. Ann Transl Med 2017;5(10):211. DOI: 10.21037/atm.2017.04.01</mixed-citation></ref></ref-list></back></article>
