Predictive Model for Survival in Patients With Advanced Cancer
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: To derive and validate a simple predictive model for survival of patients with metastatic cancer attending a palliative radiotherapy clinic. PATIENTS AND METHODS: We described previously a model predicting survival of patients referred for palliative radiotherapy using six prognostic factors: primary cancer site, site of metastases, Karnofsky performance score (KPS), and the fatigue, appetite, and shortness of breath subscales from the Edmonton Symptom Assessment Scale. Here we simplified the model to include only three factors: primary cancer site, site of metastases, and KPS. Each factor was assigned a value proportional to its prognostic weight, and the weighted scores for each patient were summed to obtain a survival prediction score (SPS). Patients were also grouped according to their number of risk factors (NRF): nonbreast cancer, metastases other than bone, and KPS < or = 60. The three- and six- variable models were evaluated for their ability to predict survival in patients referred during a different time period and of those referred to a different cancer center. RESULTS: A training set of 395 patients, a temporal validation set of 445 patients, and an external validation set of 467 patients were used. The ability of the three- and six-variable models to separate patients into three prognostic groups and to predict their survival was similar using both SPS and NRF methods in the training, temporal, and external validation data sets. There was no statistically significant difference in the performance of the models. CONCLUSION: The three-variable NRF model is preferred because of its relative simplicity.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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