Refine
Has Fulltext
- yes (2)
Is part of the Bibliography
- yes (2)
Document Type
- Journal article (2)
Keywords
- CaseTrain (1)
- Information Literacy (1)
- Informationskompetenz (1)
- Problem-based Learning (1)
- Problemorientiertes Lernen (1)
- bladder cancer (1)
- outcome prediction (1)
- radical cystectomy (1)
- radiomics (1)
Eines der Schlagworter, das die Hochschullehre in den letzten Jahren für sich entdeckt hat, ist das Blended Learning. Nach einer Ernüchterung über das Potential von eLearning, setzte sich die Idee der Kombination aus Präsenzlehre und eLearning immer stärker durch . Die Entstehung zahlreicher universitärer eLearning- und Blended-Learning-Zentren tritt den Beweis dafür an, dass die Ergänzung des herkommlichen Hochschulunterrichts durch eLearning-Einheiten nicht mehr nur das Steckenpferd einiger technikaffiner Dozenten ist, sondern weitreichende Akzeptanz an Hochschulen gefunden hat. Die Universitiit Würzburg hat 2007 mit dem Beginn ihres Blended-Learning-Projekts entschieden, der Hochschuldidaktik einen höheren Stellenwert einzuräumen und der Entwicklung neuer Systeme damit Tür und Tor zu öffnen. Inzwischen ist nicht nur die Lernplattform Moodle unter der Bezeichnung WueCampus universitätsweit etabliert. Im Zuge des Blended-Learning-Projekts wurde auch ein computerbasiertes System für fallbasierte Trainingseinheiten (CaseTrain) entwickelt, das die Präsenzlehre in fast allen Fakultäten unterstützt und damit problembasiertes Lernen aus der Medizin und den Rechtswissenschaften in andere Fakultäten trägt. Auch die Universitätsbibliothek hat schnell das Potential dieser Software für die Vermittlung von Informationskompetenz erkannt und setzt das System seit 2008 mit zunehmender Akzeptanz bei den Studierenden ein.
(1) Background: To evaluate radiomics features as well as a combined model with clinical parameters for predicting overall survival in patients with bladder cancer (BCa). (2) Methods: This retrospective study included 301 BCa patients who received radical cystectomy (RC) and pelvic lymphadenectomy. Radiomics features were extracted from the regions of the primary tumor and pelvic lymph nodes as well as the peritumoral regions in preoperative CT scans. Cross-validation was performed in the training cohort, and a Cox regression model with an elastic net penalty was trained using radiomics features and clinical parameters. The models were evaluated with the time-dependent area under the ROC curve (AUC), Brier score and calibration curves. (3) Results: The median follow-up time was 56 months (95% CI: 48–74 months). In the follow-up period from 1 to 7 years after RC, radiomics models achieved comparable predictive performance to validated clinical parameters with an integrated AUC of 0.771 (95% CI: 0.657–0.869) compared to an integrated AUC of 0.761 (95% CI: 0.617–0.874) for the prediction of overall survival (p = 0.98). A combined clinical and radiomics model stratified patients into high-risk and low-risk groups with significantly different overall survival (p < 0.001). (4) Conclusions: Radiomics features based on preoperative CT scans have prognostic value in predicting overall survival before RC. Therefore, radiomics may guide early clinical decision-making.