MétaCan
Menu
Retour à la cohorte
Enregistrement W2127161271 · doi:10.1186/1471-2288-13-68

Validation of a registry-derived risk algorithm based on treatment protocol as a proxy for disease risk in childhood acute lymphoblastic leukemia

2013· article· en· W2127161271 sur OpenAlexafffund
Sumit Gupta, Jason D. Pole, Astrid Guttmann, Lillian Sung

Notice bibliographique

RevueBMC Medical Research Methodology · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Lymphoblastic Leukemia research
Établissements canadiensInstitute for Work & HealthSickKids FoundationUniversity of TorontoPediatric Oncology GroupInstitute for Clinical Evaluative SciencesHospital for Sick Children
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineCancer registryPopulationAlgorithmDiseaseRisk assessmentConfidence intervalPediatricsInternal medicineComputer scienceEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Administrative databases and cancer registries are frequently used to conduct population-based research, but often lack clinical data necessary for risk stratification. Our objective was to determine the criterion validity of a risk-stratification algorithm based on treatment characteristics available from a pediatric cancer registry as a proxy for disease risk, by comparing it to traditional biology-based risk classifications. METHODS: We identified all children with acute lymphoblastic leukemia diagnosed at a single institution between January 2000 and June 2011, and linked them to a population-based cancer registry. Several risk algorithms were then constructed using disease risk variables collected through chart review by a pediatric oncologist, and compared to a risk algorithm based on treatment protocol name and age, available from the registry. RESULTS: Of 596 patients identified, 579 (97.1%) met inclusion criteria and were successfully linked. The registry-based algorithm showed almost perfect agreement with a biology-based algorithm based on age, initial white blood cell count, immunophenotype and cytogenetics (kappa=0.85, 95th confidence interval 0.81-0.90). Discrepant cases were often due to the presence of unusual high risk features not captured by standard disease-risk variables but reflected in clinicians' choices of higher intensity treatment protocols. CONCLUSIONS: Protocol name represents a valid proxy of disease risk, allowing for risk stratification while conducting comparative effectiveness research using cancer registries and health services data. Future studies should examine the validity of treatment-based risk algorithms in other malignancies and using other treatment characteristics commonly found in health services data, such as the receipt of specific chemotherapeutic agents.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,177
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,850
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0140,177
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,112
Tête enseignante GPT0,459
Écart entre enseignants0,346 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Medical Research MethodologyMême sujetAcute Lymphoblastic Leukemia researchTravaux en français237 207