MétaCan
Menu
Retour à la cohorte
Enregistrement W2019508475 · doi:10.1210/jc.2013-2318

Prognostic Nomograms To Predict Oncological Outcome of Thyroid Cancers

2013· article· en· W2019508475 sur OpenAlexaffabout
Kumar Alok Pathak, Andrea Mazurat, Pascal Lambert, Thomas Klonisch, Richard W. Nason

Notice bibliographique

RevueThe Journal of Clinical Endocrinology & Metabolism · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueThyroid Cancer Diagnosis and Treatment
Établissements canadiensUniversity of ManitobaCancerCare Manitoba
Organismes subventionnairesnon disponible
Mots-clésNomogramMedicineThyroid cancerOncologyConcordanceInternal medicinePopulationPrognostic variableCohortThyroidCancerProportional hazards model

Résumé

récupéré en direct d'OpenAlex

CONTEXT: Thyroid cancers represent a conglomerate of diverse histological types with equally variable prognosis. There is no reliable prognostic model to predict the risks of relapse and death for different types of thyroid cancers. OBJECTIVE: The purpose of this study was to build prognostic nomograms to predict individualized risks of relapse and death of thyroid cancer within 10 years of diagnosis based on patients' prognostic factors. DESIGN: Competing risk subhazard models were used to develop prognostic nomograms based on the information on individual patients in a population-based thyroid cancer cohort followed up for a median period of 126 months. Analyses were conducted using R version 2.13.2. The R packages cmprsk10, Design, and QHScrnomo were used for modeling, developing, and validating the nomograms for prediction of patients' individualized risks of relapse and death of thyroid cancer. SETTING: This study was performed at CancerCare Manitoba, the sole comprehensive cancer center for a population of 1.2 million. PATIENTS: Participants were a population-based cohort of 2306 consecutive thyroid cancers observed in 2296 patients in the province of Manitoba, Canada, during 1970 to 2010. MAIN OUTCOME MEASURES: Outcomes were discrimination (concordance index) and calibration curves of nomograms. RESULTS: Our cohort of 570 men and 1726 women included 2155 (93.4%) differentiated thyroid cancers. On multivariable analysis, patient's age, sex, tumor histology, T, N, and M stages, and clinically or radiologically detectable posttreatment gross residual disease were independent determinants of risk of relapse and/or death. The individualized 10-year risks of relapse and death of thyroid cancer in the nomogram were predicted by the total of the weighted scores of these determinants. The concordance indices for prediction of thyroid cancer-related deaths and relapses were 0.92 and 0.76, respectively. The calibration curves were very close to the diagonals. CONCLUSIONS: We have successfully developed prognostic nomograms for thyroid cancer with excellent discrimination (concordance indices) and calibration.

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)0,008
score de la tête « metaresearch » (Gemma)0,027
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 enseignants0,008
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,027
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,071
Tête enseignante GPT0,401
Écart entre enseignants0,331 · 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

Citations38
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Clinical Endocrinology & MetabolismMême sujetThyroid Cancer Diagnosis and TreatmentTravaux en français237 207