MétaCan
Menu
Retour à la cohorte
Enregistrement W1952331996 · doi:10.1002/cncr.22049

A prognostic model for advanced stage nonsmall cell lung cancer

2006· article· en· W1952331996 sur OpenAlexaff
Sumithra J. Mandrekar, Steven E. Schild, Shauna L. Hillman, Katie L. Allen, Randolph S. Marks, James A. Mailliard, James E. Krook, Andrew W. Maksymiuk, Kari Chansky, Karen Kelly, Alex A. Adjei, James R. Jett

Notice bibliographique

RevueCancer · 2006
Typearticle
Langueen
DomaineMedicine
ThématiqueInflammatory Biomarkers in Disease Prognosis
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNational Cancer Institute
Mots-clésMedicineInternal medicineStage (stratigraphy)Univariate analysisLung cancerBody mass indexOncologyProportional hazards modelWhite blood cellCancerGastroenterologyMultivariate analysisPerformance status

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A pooled analysis was performed to examine the impact of pretreatment factors on overall survival (OS) and time to progression (TTP) in patients with advanced-stage nonsmall cell lung cancer (NSCLC) and to construct a prediction equation for OS using pretreatment factors. METHODS: A pooled data set of 1053 patients from 9 North Central Cancer Treatment Group trials was used. Age, gender, Eastern Cooperative Oncology Group performance status (PS), tumor stage (Stage IIIB vs. Stage IV), body mass index (BMI), creatinine level, hemoglobin (Hgb) level, white blood cell (WBC) count, and platelet count were evaluated for their prognostic significance in both univariate and multivariate analyses by using a Cox proportional-hazards model. RESULTS: Patients who had high WBC counts, low Hgb levels, PS >0, BMI < 18.5 kg/m2, and TNM Stage IV disease had significantly worse TTP and OS. Patients who had Stage IV disease with a high WBC count had a particularly poor prognosis. An equation to predict the OS of patients with Stage IV NSCLC based on pretreatment PS, BMI, Hgb level, and WBC count was constructed. CONCLUSIONS: In addition to the widely accepted prognostic factors of PS, BMI, and disease stage, both of the readily available laboratory parameters of Hgb level and WBC count were found to be significant prognostic factors for OS and TTP in patients with advanced-stage NSCLC. The authors' prediction equation can be used to evaluate the benefit of a treatment in Phase II trials by comparing the observed survival of a cohort with its expected survival by using the patients' own prognostic factors in place of comparisons with historic data that may have substantially different baseline patient characteristics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,005
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,304
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations108
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancerMême sujetInflammatory Biomarkers in Disease PrognosisTravaux en français237 207