Predictive score for estimating cancer after venous thromboembolism: a cohort study
Notice bibliographique
Résumé
BACKGROUND: Venous thromboembolism (VTE) has been associated with a higher risk of developing malignancy and mortality, and patients with VTE may therefore benefit from increased surveillance. We aimed to construct a clinical predictive score that could classify patients with VTE according to their risk for developing these outcomes. METHODS: Observational cohort study using an existing clinical registry in a tertiary academic teaching hospital in Buenos Aires, Argentina. 1264 adult patients greater than 17 years of age presented new VTE between June 2006 and December 2011 and were included in the registry. We excluded patients with previous or incident cancer, those who died during the first month, and those with less than one year of follow up (< 5%). 540 patients were included. Primary outcome was new cancer diagnosis during one year of follow-up, secondary composite outcome was any new cancer diagnosis or death. The score was developed using a multivariable logistic regression model to predict cancer or death. RESULTS: During follow-up, one-quarter (26.4%) of patients developed cancer (9.2%) or died (23.7%). Patients with the primary outcome had more comorbidities, were more likely to have previous thromboembolism and less likely to have recent surgery. The final score developed for predicting cancer alone included previous episode of VTE, recent surgery and comorbidity (Charlson comorbidity score), [AUC of 0.75 (95% CI 0.66-0.84) and 0.79 (95% CI 0.63-0.95) in the derivation and validation cohorts, respectively]. The version of this score developed to predict cancer or death included age, albumin level, comorbidity, previous episode of VTE, and recent surgery [AUC = 0.72 (95% CI 0.66-0.78) and 0.71 (95% CI 0.63-0.79) in the derivation and validation cohorts, respectively]. CONCLUSIONS: A simple clinical predictive score accurately estimates patients' risk of developing cancer or death following newly diagnosed VTE. This tool could be used to help reassure low risk patients, or to identify high-risk patients that might benefit from closer surveillance and additional investigations. TRIAL REGISTRATION: ClinicalTrials.gov: NCT01372514.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».