Profile-specific survival estimates: Making reports of clinical trials more patient-relevant
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
BACKGROUND: When considering treatment options, a physician needs to know the prognosis corresponding to the risk profile of the patient seeking treatment. Reports of clinical trials generally address treatment-specific survival probabilities only in the aggregate, i.e., for the typical patient, and often express the difference in survival as a hazard ratio. Such summaries do not provide treatment-specific survival probabilities (and thus the absolute difference in these probabilities) for patient profiles that are not near the typical of those in the trial. Despite the fact that Cox intended his hazard regression method to be used to produce such profile-specific survival estimates, and even showed how to calculate them, authors are either unaware that this is possible, or else choose not to report them. PURPOSE: To illustrate how treatment- and profile-specific survival estimates are obtained from the Cox method, and can be displayed in a compact form. METHODS: We derive treatment- and profile-specific survival probabilities from the estimated survival function for the ;reference' profile. Data from the Systolic Hypertension in the Elderly Program study serve as an illustration. RESULTS: Two different formats, tabular and nomogram-based, allow the entire set of estimated treatment- and profile-specific survival probabilities to be reported. LIMITATIONS: Estimates are limited to the profiles within the covariate-space spanned by the trial, and depend on the correctness of the model. CONCLUSION: Treatment- and profile-specific survival estimates are practice-relevant, almost never reported, estimable from the Cox model, and easy to report in a compact form.
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 | 0,138 | 0,718 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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