MétaCan
Menu
Retour à la cohorte
Enregistrement W2794157321 · doi:10.1177/0272989x17711927

The University of Wisconsin Breast Cancer Epidemiology Simulation Model: An Update

2018· article· en· W2794157321 sur OpenAlexaff
Oğuzhan Alagöz, Mehmet Ali Ergün, Mücahit Çevik, Brian L. Sprague, Dennis G. Fryback, Ronald E. Gangnon, John M. Hampton, Natasha K. Stout, Amy Trentham‐Dietz

Notice bibliographique

RevueMedical Decision Making · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Cancer Institute
Mots-clésBreast cancerEpidemiologyMedicineComputer scienceCancerInternal medicine

Résumé

récupéré en direct d'OpenAlex

The University of Wisconsin Breast Cancer Epidemiology Simulation Model (UWBCS), also referred to as Model W, is a discrete-event microsimulation model that uses a systems engineering approach to replicate breast cancer epidemiology in the US over time. This population-based model simulates the lifetimes of individual women through 4 main model components: breast cancer natural history, detection, treatment, and mortality. A key feature of the UWBCS is that, in addition to specifying a population distribution in tumor growth rates, the model allows for heterogeneity in tumor behavior, with some tumors having limited malignant potential (i.e., would never become fatal in a woman's lifetime if left untreated) and some tumors being very aggressive based on metastatic spread early in their onset. The model is calibrated to Surveillance, Epidemiology, and End Results (SEER) breast cancer incidence and mortality data from 1975 to 2010, and cross-validated against data from the Wisconsin cancer reporting system. The UWBCS model generates detailed outputs including underlying disease states and observed clinical outcomes by age and calendar year, as well as costs, resource usage, and quality of life associated with screening and treatment. The UWBCS has been recently updated to account for differences in breast cancer detection, treatment, and survival by molecular subtypes (defined by ER/HER2 status), to reflect the recent advances in screening and treatment, and to consider a range of breast cancer risk factors, including breast density, race, body-mass-index, and the use of postmenopausal hormone therapy. Therefore, the model can evaluate novel screening strategies, such as risk-based screening, and can assess breast cancer outcomes by breast cancer molecular subtype. In this article, we describe the most up-to-date version of the UWBCS.

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)0,004
score de la tête « metaresearch » (Gemma)0,017
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,077
Score d'incertitude au seuil0,154

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,017
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0040,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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 Opus0,130
Tête enseignante GPT0,444
Écart entre enseignants0,314 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations54
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Decision MakingMême sujetGlobal Cancer Incidence and ScreeningTravaux en français237 207