M-bioscore: proposing a new statistical model for prognostic factors in metastatic breast cancer patients
Notice bibliographique
Résumé
AIM: The current study aims to propose and internally validate 'M-bioscore', which is a model to help predict the outcomes of untreated metastatic breast cancer patients. METHODOLOGY: Surveillance, epidemiology and end results (SEER) database (2010-2013) was accessed. Patients were divided into two groups: a training set and a validation set. Through a Cox proportional model, multivariate analysis for potential prognostic factors was performed. M-bioscore was calculated for all patients. Survival analyses were conducted through Kaplan-Meier analysis/log-rank testing. RESULTS: A total of 6655 metastatic breast cancer patients were analyzed. In the training set, the following factors were linked to better cancer-specific survival in multivariate analysis: estrogen receptor positivity, isolated distant nodal metastases, progesterone receptor positivity, lower nuclear grade and HER2 neu positivity (p < 0.01). Cancer-specific survival was then assessed according to M-bioscore. Adjusted Cox regression cause-specific hazard (using breast cancer death as the event of interest) was evaluated in the validation cohort. Pairwise hazard ratio comparisons between different scores were significant (p < 0.05) except for the comparison between score 6 and 7. C-index for the validation cohort was 0.665 (Standard error (SE): 0.010; 95% CI: 0.646- 0.685). CONCLUSION: M-bioscore can predict the outcomes of untreated metastatic breast cancer patients. Validation of external datasets is needed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».