Validation of the Histologic Risk Model in a New Cohort of Patients With Head and Neck Squamous Cell Carcinoma
Notice bibliographique
Résumé
BACKGROUND: Half of the patients with head and neck squamous cell carcinoma (HNSCC) can be expected to fail therapy, indicating that more aggressive treatment is warranted for this group. We have developed a novel risk model that can become a basis for developing new treatment paradigms. Here we report on the performance of our model in a new multicenter cohort. DESIGN: Eligible patients from 3 institutions (Montefiore Medical Center, University of Manitoba, and New York University Medical Center) were identified and pathology slides from their resection specimens were reviewed by Margaret Brandwein-Gensler; risk category was assigned as previously published. Kaplan-Meier analysis was performed for disease progression and survival. Cox proportional hazards regression was performed, adjusted for potential confounders. A teaching module was also developed; attending pathologists were asked to score coded slides after a lecture and multiheaded microscope teaching session. Agreement was assessed by calculating Cohen unweighted kappa coefficients. RESULT: The validation cohort consisted of 305 patients, from the above institutions, with 311 primary HNSCC of the oral cavity, oropharynx, and larynx. The median follow-up period for all patients was 27 months. Risk category predicts time to disease progression (P=0.0005), locoregional recurrence (P=0.013), and overall survival (P=0.0000) by Kaplan-Meier analysis. High-risk status is significantly associated with decreased time to disease progression, adjusted for clinical confounders (P=0.015, hazard ratio 2.32, 95% confidence interval 1.18-4.58) compared with collapsed intermediate and low-risk groups. We also demonstrate substantial interrater agreement (kappa=0.64), and very good rater agreement when compared with the standard (kappa=0.87). CONCLUSIONS: We demonstrate significant predictive performance of the risk model in a new cohort of patients with primary HNSCC, adjusted for confounders. Our training experience also supports the feasibility of adapting the risk model in clinical practice.
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 | 0,013 | 0,015 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».