Competing risk analysis in a large cardiovascular clinical trial: An <scp>APEX</scp> substudy
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
Competing risk methods are time-to-event analyses that account for fatal and/or nonfatal events that may potentially alter or prevent a subject from experiencing the primary endpoint. Competing risk methods may provide a more accurate and less biased estimate of the incidence of an outcome but are rarely applied in cardiology trials. APEX investigated the efficacy of extended-duration betrixaban versus standard-duration enoxaparin to prevent a composite of symptomatic deep-vein thrombosis (proximal or distal), nonfatal pulmonary embolism, or venous thromboembolism (VTE)-related death in acute medically ill patients (n = 7513). The aim of the current analysis was to determine the efficacy of betrixaban vs standard-duration enoxaparin accounting for non-VTE-related deaths using the Fine and Gray method for competing risks. The proportion of non-VTE-related death was similar in both the betrixaban (133, 3.6%) and enoxaparin (136, 3.7%) arms, P = .85. Both the traditional Kaplan-Meier method and the Fine and Gray method accounting for non-VTE-related death as a competing risk showed equal reduction of VTE events when comparing betrixaban to enoxaparin (HR/SHR = 0.65, 95% 0.42-0.99, P = 0.046). Due to the similar proportion of non-VTE-related deaths in both treatment arms and the use of a univariate model, the Fine and Gray method provided identical results to the traditional Cox model. Using the Fine and Gray method in addition to the traditional Cox proportional hazards method can indicate whether the presence of a competing risk, which is dependent of the outcome, altered the risk estimate.
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 | 0,058 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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