Predicting outcome following colorectal cancer surgery using a colorectal biochemical and haematological outcome model (Colorectal BHOM)
Notice bibliographique
Résumé
AIM: To present a new biochemistry and haematology outcome model which uses a minimum dataset to model outcome following colorectal cancer surgery, a concept previously shown to be feasible with arterial operations. METHOD: Predictive binary logistic regression models (a mortality and morbidity model) were developed for 704 patients who underwent colorectal cancer surgery over a 6-year period in one hospital. The variables measured included 30-day mortality and morbidity. Hosmer-Lemeshow goodness of fit statistics and frequency tables compared the predicted vs the reported number of deaths. Discrimination was quantified using the c-index. RESULTS: There were 573 elective and 131 nonelective interventional cases. The overall mean predicted risk of death was 7.79% (50 patients). The actual number of reported deaths was also 50 patients (χ(2) = 1.331, df = 4, P-value = 0.856; no evidence of lack of fit). For the mortality model, the predictive c-index was = 0.810. The morbidity model had less discriminative power but there was no evidence of lack of fit (χ(2) = 4.198, df = 4, P-value = 0.380, c-index = 0.697). CONCLUSIONS: The Colorectal Biochemistry and Haematology Outcome mortality model suggests good discrimination (c-index > 0.8) and uses only a minimal number of variables. However, it needs to be tested on independent datasets in different geographical locations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».