MétaCan
Menu
Retour à la cohorte
Enregistrement W2273848714 · doi:10.1200/jco.2005.23.16_suppl.706

Use of fast orthogonal search to predict chemotherapy-induced leukopenia

2005· article· en· W2273848714 sur OpenAlexaff
Elize A. Shirdel, Michael J. Korenberg, Yolanda Madarnas

Notice bibliographique

RevueJournal of Clinical Oncology · 2005
Typearticle
Langueen
DomaineMedicine
ThématiqueNeutropenia and Cancer Infections
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésMedicineLeukopeniaIncidence (geometry)ChemotherapyInternal medicineHomogeneousOncologySurgery

Résumé

récupéré en direct d'OpenAlex

706 Background: Myelosuppression is the predominant DLT of chemotherapy (CT). Growth factors (GF) can reduce the incidence and severity of myelosuppression, but are neither necessary nor cost-effective for all patients on CT. Attempts at developing a predictive model to identify patients at risk for severe myelosuppression have been unsuccessful to date. A reliable model to identify at risk patients early would allow closer monitoring and timely introduction of GF support. We propose using a nonlinear mathematical model, Fast Orthogonal Search (FOS), to achieve this goal. Methods: Women receiving adjuvant CMF (n=15), CEF (n=14), or CAF (n=6) for early breast cancer were selected from a single clinical practice. All were managed in a homogeneous fashion and GF support was introduced only as secondary prophylaxis. Using data from the electronic patient record, patients (pts) were retrospectively classified into high and low risk (HR/LR) categories. HR if: any hospitalization, ≥3 delays, any delay >40 days, delay at cycle 2, day 8 of any cycle not given, or any dose reduction in the first 3 cycles; LR if: no event, or delay beyond cycle 3. Pts meeting neither HR nor LR criteria were deemed medium risk and excluded from the analysis. Using complete blood count values from cycle 1 (baseline, day 8, day 28), the FOS model was trained on 14 randomly selected pts evenly split between HR and LR groups, and validated on a separate set of 14, together with an independent set of 7. Results: The model correctly classified 19 of the 21 pts. None of the LR and only 2 of the HR pts were misclassified, Fisher’s exact test p<0.00023 (2-tailed) and Matthews’ correlation coefficient φ = +0.83. The model was re-built switching the initial testing and training sets, leaving the independent 7 pts as part of the testing procedure. The model correctly classified 17 out of 21 pts. Four of the 10 LR pts were misclassified and none of the 11 HR were misclassified, Fisher’s exact test p<0.0039 (2-tailed) and Matthews’ correlation coefficient φ = +0.66. Conclusions: FOS might be applied to prospectively identify pts at high-risk for neutropenia. Further studies are needed to replicate this work on a separate larger data set, and define its reproducibility in the setting of other chemotherapy regimens. No significant financial relationships to disclose.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,257
Tête enseignante GPT0,505
Écart entre enseignants0,249 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetNeutropenia and Cancer InfectionsTravaux en français237 207