S'abonner

Cancer du sein associé à la grossesse : validation d’un nomogramme prédictif de la récidive - 09/05/21

External validation of nomogram for the prediction of recurrences of pregnancy-associated breast cancer

Doi : 10.1016/j.gofs.2021.04.006 
S. Guérin a, , M. Joste a, ZE. Khene b, C. Rousseau b, S. Brousse a, K. Nyangoh Timoh a, J. Levêque a, V. Lavoué a
a Département de gynécologie obstétrique et de la reproduction, centre hospitalier universitaire de Rennes, France 
b Centre d’investigation clinique, centre hospitalier universitaire de Rennes, France 

Auteur correspondant.
Sous presse. Épreuves corrigées par l'auteur. Disponible en ligne depuis le Sunday 09 May 2021
Cet article a été publié dans un numéro de la revue, cliquez ici pour y accéder

Résumé

Objectif

Le cancer du sein associé à la grossesse est une entité complexe tant sur le plan diagnostique que thérapeutique, une approche multidisciplinaire est donc essentielle. Un nomogramme prédictif de la récidive à 36 mois des CSAG a récemment été développé, l’objectif était de l’évaluer sur une cohorte indépendante.

Méthode

Il s’agit d’une étude rétrospective monocentrique incluant toutes les patientes atteintes d’un CSAG entre janvier 2004 et mars 2018. Une analyse de survie sans récidive a été réalisée par la méthode de Kaplan–Meier. La performance du nomogramme a été analysée sur 3 indicateurs : la discrimination par une courbe ROC (receiver operator characteristic), le calibrage et le bénéfice clinique net par une courbe d’analyse de décision.

Résultat

Quarante et une patientes ont été incluses. La survie sans récidive à 3 ans était de 83 %. La discrimination du nomogramme était jugée acceptable avec un index de concordance de l’aire sous la courbe à 0,78. Le modèle était correctement calibré (p=0,44). L’analyse de la courbe de décision révèle un bénéfice net positif pour un seuil de probabilité de récidive compris entre 5 et 35 %.

Conclusion

La performance de ce modèle de prédiction est acceptable mais le bénéfice clinique net est faible. Prédire le risque de récidive reste un challenge et des outils plus précis sont nécessaires.

Le texte complet de cet article est disponible en PDF.

Abstract

Objective

Diagnosis and therapeutics are challenging in pregnancy-related breast cancer and a multidisciplinary approach is therefore essential. A nomogram predictive of recurrence at 36 months of PABC has recently been developed, the aim was to evaluate it on an independent cohort.

Patients and methods

This was a monocentric retrospective study including all patients with PABC between January 2004 and March 2018. A Kaplan–Meier method was used for the analysis of recurrence-free survival. Nomogram performance was analysed on 3 indicators: discrimination by a receiver operator characteristic curve (ROC), calibration and net clinical benefit by a decision curve analysis.

Results

Forty-one patients have been included. The survival rate was 83 % at 3 years. The nomogram showed acceptable discrimination capacities on receiver-operator characteristic analysis (c-index: 0.78). Decision-curve analysis showed a positive net-benefit for relapse probability ranges between 5 % and 35 %.

Conclusion

The performance of this prediction model is acceptable but the net clinical benefit low. In conclusion, prediction of recurrence remains challenging with a continued need for more precise tools.

Le texte complet de cet article est disponible en PDF.

Mots clés : Cancer du sein, Grossesse, Nomogramme, Modèle de prédiction, Courbe d’analyse de décision

Keywords : Breast cancer, Pregnancy, Nomogram, Predictive model, Decision curve analysis


Plan


© 2021  Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.