Is pathology necessary to predict mortality among men with prostate-cancer?
Notice bibliographique
Résumé
BACKGROUND: Statistical models developed using administrative databases are powerful and inexpensive tools for predicting survival. Conversely, data abstraction from chart review is time-consuming and costly. Our aim was to determine the incremental value of pathological data obtained from chart abstraction in addition to information acquired from administrative databases in predicting all-cause and prostate cancer (PC)-specific mortality. METHODS: We identified a cohort of men with diabetes and PC utilizing population-based data from Ontario. We used the c-statistic and net-reclassification improvement (NRI) to compare two Cox- proportional hazard models to predict all-cause and PC-specific mortality. The first model consisted of covariates from administrative databases: age, co-morbidity, year of cohort entry, socioeconomic status and rural residence. The second model included Gleason grade and cancer volume in addition to all aforementioned variables. RESULTS: The cohort consisted of 4001 patients. The accuracy of the admin-data only model (c-statistic) to predict 5-year all-cause mortality was 0.7 (95% CI 0.69-0.71). For the extended model (including pathology information) it was 0.74 (95% CI 0.73-0.75). This corresponded to a change in category of predicted probability of survival among 14.8% in the NRI analysis. The accuracy of the admin-data model to predict 5-year PC specific mortality was 0.76 (95% CI 0.74-0.78). The accuracy of the extended model was 0.85 (95% CI 0.83-0.87). Corresponding to a 28% change in the NRI analysis. CONCLUSIONS: Pathology chart abstraction, improved the accuracy in predicting all-cause and PC-specific mortality. The benefit is smaller for all-cause mortality, and larger for PC-specific mortality.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».