MétaCan
Menu
← Retour à la cohorte
Enregistrement W2590120987 · doi:10.1200/jco.2014.32.3_suppl.547

A mapping algorithm of health preferences from EORTC QLQ C30 to health utility index mark 3 (HUI3) in advanced colorectal cancer.

2014· article· en· W2590120987 sur OpenAlexaffabout
Kelvin Chan, Dongsheng Tu, Christopher J. O’Callaghan, Heather‐Jane Au, Natasha B. Leighl, Michael Brundage, Derek J. Jonker, Christos S. Karapetis, Jolie Ringash, John Zalcberg, Jeffrey S. Hoch, Niall C. Tebbutt, Jeremy Shapiro, Timothy Price, Nick Pavlakis, Guy A. Van Hazel, Nicole Mittmann

Notice bibliographique

RevueJournal of Clinical Oncology · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensHealth Sciences CentreCancer Care OntarioOttawa HospitalPrincess Margaret Cancer CentreOntario Institute for Cancer ResearchUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineQuality of life (healthcare)Colorectal cancerHealth Utilities IndexRegressionScale (ratio)CancerAlgorithmStatisticsInternal medicineMathematicsHealth related quality of lifeDiseaseCartographyNursing

Résumé

récupéré en direct d'OpenAlex

547 Background: The National Cancer Institute of Canada CO17 study, which showed that patients with advanced colorectal cancer had improved overall survival and derived health related quality of life benefits (measured with EORTC QLQ C30) when treated with cetuximab, collected health preferences with HUI3 prospectively. We examined the relationship between baseline health utilities and quality of life, and constructed a mapping algorithm to derive health utilities from EORTC QLQ C30. Methods: Data from 545 patients including baseline characteristics (age, gender, treatment arm, K-ras, ECOG PS, etc.), health preferences (HUI3), EORTC QLQ C30 five function scales, a two-item global health status (GHS) scale, three symptom scales, and six single items were obtained from the CO17 dataset. Correlations among HUI3 and EORTC QLQ C30 scales and baseline characteristics were examined. Multivariable linear regression model was constructed to develop a mapping algorithm to derive HUI3 from EORTC QLQ C30 scales and/or baseline characteristics. Leave-one-out cross validation (LOOCV) mean absolute error (MAE) and root mean square error (RMSE) were calculated to examine predictive ability. Results: The mean HUI3 was 0.717 (SD = 0.235). HUI3 was significantly correlated with baseline ECOG PS, number of disease sites and the presence of liver metastasis, but not with age, gender, treatment arms or K-ras. HUI3 was also significantly correlated with all EORTC QLQ C30 scales except the diarrhea scale. Multivariable regression showed that HUI3 remained significantly associated with four of the five functional scales (physical, role, cognitive and emotional), the pain scale and the GHS scale. A mapping algorithm consisting of these 6 scales resulted in a model with an adjusted R2 of 0.61, and LOOCV mean error of -0.00014, MAE of 0.11, and RMSE of 0.15. Conclusions: Health preferences as measured by HUI3 are significantly associated with HRQL as measured by EORTC QLQ C30 in patients with advanced refractory colorectal cancer. Our mapping will allow for the generation of health preference values in advanced colorectal cancer when only EORTC QLQ C30 results exist in order to conduct cost-effectiveness analysis.

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)0,006
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,021
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,541
Tête enseignante GPT0,568
Écart entre enseignants0,027 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→