Development of a Clinical Prediction Rule for Risk Stratification of Recurrent Venous Thromboembolism in Patients With Cancer-Associated Venous Thromboembolism
Notice bibliographique
Résumé
BACKGROUND: Long-term low-molecular-weight heparin (LMWH) is the current standard for treatment of venous thromboembolism (VTE) in cancer patients. Whether treatment strategies should vary according to individual risk of VTE recurrence remains unknown. We performed a retrospective cohort study and a validation study in patients with cancer-associated VTE to derive a clinical prediction rule that stratifies VTE recurrence risk. METHODS AND RESULTS: The cohort study of 543 patients determined the model with the best classification performance included 4 independent predictors (sex, primary tumor site, stage, and prior VTE) with 100% sensitivity, a wide separation of recurrence rates, 98.1% negative predictive value, and a negative likelihood ratio of 0.16. In this model, the score sum ranged between -3 and 3 score points. Patients with a score ≤ 0 had low risk (≤ 4.5%) for recurrence and patients with a score >1 had a high risk (≥ 19%) for VTE recurrence. Subsequently, we applied and validated the rule in an independent set of 819 patients from 2 randomized, controlled trials comparing low-molecular-weight heparin to coumarin treatment in cancer patients. CONCLUSIONS: By identifying VTE recurrence risk in cancer patients with VTE, we may be able to tailor treatment, improving clinical outcomes while minimizing costs.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».