Predictive validity of five comorbidity indices in prostate carcinoma patients treated with curative intent
Notice bibliographique
Résumé
BACKGROUND: Comorbidity is important to consider in clinical research on curative prostate carcinoma because of the role of competing risks. Five chart-based comorbidity indices were assessed for their ability to predict survival. METHODS: This was a case-cohort study of prostate carcinoma patient cohort treated with curative intent in Toronto and Southeast Cancer Care Ontario regions between 1990 and 1996; the subcohort was drawn from these men, whereas cases were cohort members who died from causes other than prostate carcinoma. Comorbidity data were obtained from medical charts (269 subjects). Vital status, age, area of residence, and socioeconomic status information were available. Predictive validity was quantified by the percent variance explained (PVE) over and above age using proportional hazards modeling. RESULTS: The Chronic Disease Score (CDS) (PVE = 11.3%; 95% confidence interval [95% CI], 3.5-22.8%), Index of Coexistent Disease (ICED) (PVE = 9.0%; 95% CI, 2.9-17.9%), Cumulative Illness Rating Scale (CIRS) (PVE = 7.2%; 95% CI, 1.4-17.1%), Kaplan-Feinstein Index (PVE = 4.9%; 95% CI, 0.6-12.8%), and Charlson Index (PVE = 3.8%; 95% CI, 0.3-10.9%) each explained some outcome variability beyond age. PVE differences among indices were not statistically significant. A comorbidity identified at the time of cancer diagnosis was the cause of death in 59.2% of cases (75% for cardiac or vascular causes). CONCLUSIONS: The better-performing, more comprehensive indices (CDS, ICED, and CIRS) would be useful in measuring and controlling for comorbidity in this setting. The CDS was easiest to apply and explained the most outcome variability.
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) | 0,000 | 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) | 0,000 | 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 ».