Comparison of Nomograms With Other Methods for Predicting Outcomes in Prostate Cancer: A Critical Analysis of the Literature
Notice bibliographique
Résumé
PURPOSE: Accurate estimates of risk are essential for physicians if they are to recommend a specific management to patients with prostate cancer. Accurate risk estimates are also required for clinical trial design, to ensure homogeneous patient groups. Because there is more than one model available for prediction of most outcomes, model comparisons are necessary for selection of the best model. We describe the criteria based on which to judge predictive tools, describe the limitations of current predictive tools, and compare the different predictive methodologies that have been used in the prostate cancer literature. EXPERIMENTAL DESIGN: Using MEDLINE, a literature search was done on prostate cancer decision aids from January 1966 to July 2007. RESULTS: The decision aids consist of nomograms, risk groupings, artificial neural networks, probability tables, and classification and regression tree analyses. The following considerations need to be applied when the qualities of predictive models are assessed: predictive accuracy (internal or ideally external validation), calibration (i.e., performance according to risk level or in specific patient subgroups), generalizability (reproducibility and transportability), and level of complexity relative to established models, to assess whether the new model offers advantages relative to available alternatives. Studies comparing decision aids have shown that nomograms outperform the other methodologies. CONCLUSIONS: Nomograms provide superior individualized disease-related risk estimations that facilitate management-related decisions. Of currently available prediction tools, the nomograms have the highest accuracy and the best discriminating characteristics for predicting outcomes in prostate cancer patients.
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 | 0,185 | 0,450 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,067 | 0,024 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| 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 ».