Nomograms to Predict Serious Adverse Events in Phase II Clinical Trials of Molecularly Targeted Agents
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: A tool that quantifies the risk of treatment-related toxicity based on individual patient characteristics can augment the informed consent process and safety monitoring in the setting of phase II cancer treatment trials of molecularly targeted agents (MTAs). METHODS: A regression model was constructed to predict the risk of a serious adverse event (SAE) with an MTA and presented as a nomogram. Estimation of risk can be performed by integrating risk estimates from the nomogram and from a reference or average patient. Internal validation was performed using bootstrapping techniques. RESULTS: A total of 578 patients were treated with one of 14 MTAs given alone or in combination on one of 27 clinical trials performed by the Princess Margaret Hospital Drug Development Program between 2001 and 2006. Approximately 50% and 24% of patients experienced an SAE and an attributable SAE (SAEatt) during cycle 1, respectively. Albumin, lactate dehydrogenase (LDH), number of target lesions, prior radiotherapy, Charlson score, age, and performance status were included in the optimal model as predictors of a cycle 1 SAE, whereas the number of prior chemotherapy regimens, baseline creatinine, LDH, prior radiotherapy, Charlson score, body-surface area, and performance status were included as predictors of an SAEatt. Moderate-good internal validity was demonstrated, with area under the curve estimates ranging from 56.7% to 86.1% for all SAEs and 63.0% to 89.7% for SAEatts. CONCLUSION: A regression model was constructed that predicts the SAE and SAEatt risk for an individual patient during cycle 1 of phase II trial treatment with moderate to good internal validity. External validation is still required.
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.
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 | 0,128 | 0,779 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle