MétaCan
Menu
Retour à la cohorte
Enregistrement W2032559340 · doi:10.1186/1471-2407-11-426

Early mortality and overall survival in oncology phase I trial participants: can we improve patient selection?

2011· article· en· W2032559340 sur OpenAlexaff
Nicole G. Chau, Ana Florescu, Kelvin Chan, Lisa Wang, Eric X. Chen, Philippe L. Bédard, Amit M. Oza, Lillian L. Siu

Notice bibliographique

RevueBMC Cancer · 2011
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Methods in Clinical Trials
Établissements canadiensUniversity Health NetworkPrincess Margaret Cancer CentreUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineLogistic regressionInternal medicineSurgical oncologyUnivariateMultivariate analysisUnivariate analysisOncologyProspective cohort studyMultivariate statistics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Patient selection for phase I trials (PIT) in oncology is challenging. A typical inclusion criterion for PIT is 'life expectancy > 3 months', however the 90 day mortality (90DM) and overall survival (OS) of patients with advanced solid malignancies are difficult to predict. METHODS: We analyzed 233 patients who were enrolled in PIT at Princess Margaret Hospital. We assessed the relationship between 17 clinical characteristics and 90DM using univariate and multivariate logistic regression analyses to create a risk score (PMHI). We also applied the Royal Marsden Hospital risk score (RMI), which consists of 3 markers (albumin < 35g/L, > 2 metastatic sites, LDH > ULN). RESULTS: Median age was 57 years (range 21-88). The 90DM rate was 14%; median OS was 320 days. Predictors of 90DM were albumin < 35g/L (OR = 8.2, p = 0.01), > 2 metastatic sites (OR = 2.6, p = 0.02), and ECOG > 0 (OR = 6.3, p = 0.001); all 3 factors constitute the PMHI. To predict 90DM, the PMHI performed better than the RMI (AUC = 0.78 vs 0.69). To predict OS, the RMI performed slightly better (RMI ≥ 2, HR = 2.2, p = 0.002 vs PMHI ≥ 2, HR = 1.6, p = 0.05). CONCLUSIONS: To predict 90DM, the PMHI is helpful. To predict OS, risk models should include ECOG > 0, > 2 metastatic sites, and LDH > ULN. Prospective validation of the PMHI is warranted.

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)0,099
score de la tête « metaresearch » (Gemma)0,188
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,901
Score d'incertitude au seuil0,524

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0990,188
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,742
Tête enseignante GPT0,605
Écart entre enseignants0,137 · 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.

Devis d'étudeObservationnel
DomaineMéthodes
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

Citations34
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC CancerMême sujetStatistical Methods in Clinical TrialsTravaux en français237 207