Identifying Patients at High Risk for Neutropenic Complications During Chemotherapy for Metastatic Breast Cancer With Doxorubicin or Pegylated Liposomal Doxorubicin
Notice bibliographique
Résumé
OBJECTIVE: To develop a cycle-based risk prediction model for neutropenic complications (NC) during chemotherapy with doxorubicin (DOX) or a pegylated liposomal formulation (PLD) for patients with metastatic breast cancer (MBC). METHODS: Data analyzed was from a phase III, randomized clinical trial of DOX (60 mg/m(2) every 3 weeks) or PLD (50 mg/m(2) every 4 weeks) for the first line therapy for MBC (n = 509) (O'Brien et al, Ann Oncol. 2004;15:440-449). NC were defined as an absolute neutrophil count < or =1.5 x 10(9) cells/L (ie, > or =grade II) before the next cycle, febrile neutropenia or neutropenia with a documented infection. Patient and hematologic factors potentially associated with NC were evaluated. Factors with a P value of < or =0.25 within a cycle were included in a generalized estimating equations regression model. Using backward elimination, we derived a risk scoring algorithm (range 0-63) from the final reduced model. RESULTS: Risk factors retained in the model included poor performance status, absolute neutrophil count < or =2.0 x 10(9) cells/L in the previous cycle, the first cycle of chemotherapy, DOX versus PLD and advanced age. A precycle risk score from > or =25 to <40 for a given patient was identified as being the optimal threshold for sensitivity (58.0%) and specificity (78.7%). Patients with a score at or beyond this threshold would be considered at high risk for developing NC in later cycles. CONCLUSION: The use of this model may enhance patient care by targeting preventative therapies (eg, granulocyte colony stimulating factor or PLD) to those MBC patients most likely to experience NC during anthracycline-based chemotherapy.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».