Simulating results from trials of sigmoidoscopy screening using the OncoSim microsimulation model
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
Projection of the effect of cancer screening interventions are frequently conducted using complex simulation models. It is important that such models demonstrate their ability to replicate observational results on the effect of screening. We present results using the OncoSim-CRC microsimulation model to replicate results from four randomized trials (RCTs) of sigmoidoscopy screening for colorectal cancer (CRC). The published results of four RCTs of sigmoidoscopy were reviewed. Two key outcomes were identified: the intention-to-treat hazard ratios (HR) for CRC incidence and CRC mortality for the screening versus control arms. Each RCT study arm was simulated within OncoSim-CRC using the study specific entry criteria, follow-up and observed participation and compliance rates. The ratio of predicted cases (deaths) between intervention arm and control arm was used to estimate the HRs. The RCTs differed in the implementation of sigmoidoscopy screening and only one (PLCO) used more than one cycle. All four RCTs found significant reductions, HR <1, in CRC incidence (range 0.77–0.82) and three for CRC mortality (range 0.69–0.78). The four study cohorts were successfully simulated to match the age and sex structure and length of follow-up of the study cohorts. Each OncoSim-CRC trial-specific predicted reduction fell within the confidence intervals for the observed HR for CRC incidence and CRC mortality for the corresponding trial. The predicted ranges of HRs for incidence was 0.74–0.82 and for mortality was 0.66–0.76 for the four trials. OncoSim-CRC predicted reductions in CRC incidence and mortality agreed well with observed in RCTs of sigmoidoscopy screening.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle