Parametric Model Evaluation in Examining the Survival of Gastric Cancer Patients Andits Influencing Factors
Notice bibliographique
Résumé
BACKGROUND: Cox proportional hazard model is the most common technique to analysis the variables effect on survival time, but under certain circumstances, parametric models may offer advantages over Cox’s model. In this study we use cox regression and alternative parametric models such as Weibull, exponential, log-normal, logistics and gamma model to evaluate factors affecting survival of patients with gastric cancer. Comparisons were made to find the best model. METHOD: In this study, data from 643 patients with gastric cancer who were referred to Imam Khomeini hospital with personal details during 2007 to 2013 have been reviewed in order to determine the survival rate of gastric cancer. It was observed that 74 cases were eliminated due to incomplete information and 569 persons were examined. Akaike Information model was used for comparison between models. RESULT: Of a total of 569 patients, 329 (57.8%) died during the period. The figure of Cox-Snell residuals indicates that only the exponential model does not have better fitness. Weibull, log-normal, log-logistic and gamma models show the better fitness because points are on straight line. At the time of diagnosis, stage with (p<0.0008) and metastasis with (p<0.0219) were subjected to higher risk of death. CONCLUSION: Based on Akaike's criterion, the Weibull model with Akaike value of 257.165 is the most favorable for survival data.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».