MétaCan
Menu
← Retour à la cohorte
Enregistrement W2599505216 · doi:10.1200/jco.2017.35.6_suppl.87

Risk prediction-modeling approach to identify best predictive parameters for urethral strictures after prostate brachytherapy.

2017· article· en· W2599505216 sur OpenAlexaff
Sandeep K. Singhal, Matthew Parliament, Muhammad Jamaluddin, Emma Lee, Ron S. Sloboda, Nawaid Usmani

Notice bibliographique

RevueJournal of Clinical Oncology · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueProstate Cancer Diagnosis and Treatment
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineUrethraProstate brachytherapyProstateBrachytherapyUrologyUrethral strictureCohortRadiation therapySurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

87 Background: Urethral strictures (US) are a rare complication of prostate brachytherapy (BXT), with prior studies showing radiation dose to the bulbomembranous urethra is associated with stricture formation. This retrospective case-control study explored clinical and dosimetric parameters associated with the development of BXT-related urethral strictures. Methods: A cohort of 34 patients developed urethral strictures after BXT at our institution for the period of 2008-2014. Each case was matched with two controls (68 controls) that had not developed a US according to similar baseline International Prostate Symptom Score (IPSS), planned prostate volume, post-implant prostate V150, and post-implant prostate D90 dosimetry parameters. US development was compared with clinical (i.e. age, IPSS, etc) and dosimetric (i.e. prostate, urethra, urethra segments) variables. Statistical modeling for risk prediction was applied, which included adjusted R2, Mallows’ C Selection (Cp), Schwartz’s information criterion (BIC), forward selection (FS), and backward selection (BS) to identify the parameters with prediction ability of toxicity. CV analysis was performed to select the best subset selection on the full data set in order to obtain the most predictive parameter selection. Results: The results show that the R2statistic increases from 6% (only one) to 33 %, (all of the parameters included). The table demonstrates minimum best-fit parameters in the different models. (See table.) CV with minimum standard error (MSE) identified a model with 5 parameters that included age, baseline IPSS, UD30, UD5, and U5mm V200Apex shows best prediction ability for US. Conclusions: This modeling approach, which is novel in BXT, helped to identify a combination of parameters with some predictive ability of radiation toxicity. Further evaluation is required to validation. [Table: see text]

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)0,008
score de la tête « metaresearch » (Gemma)0,013
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,013
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
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 Opus0,135
Tête enseignante GPT0,483
Écart entre enseignants0,348 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetProstate Cancer Diagnosis and Treatment→Travaux en français237 207→