MétaCan
Menu
← Retour à la cohorte
Enregistrement W2895953025 · doi:10.1093/annonc/mdy287.008

Predictor of effectiveness of treatment intensification on overall survival in head and neck cancer (HNC)

2018· article· en· W2895953025 sur OpenAlexaff
Kaveh Zakeri, Federico Rotolo, Benjamin Lacas, Lucas K. Vitzthum, Quynh‐Thu Le, Vincent Grégoire, Jens Overgaard, Jeffrey Tobias, Björn Zackrisson, Mahesh Parmar, Barbara Burtness, Maria Grazia Ghi, Giuseppe Sanguineti, Brian O’Sullivan, Catherine Fortpied, Jean Bourhis, Hanjie Shen, Jonathan Harris, Jean‐Pierre Pignon, Loren K. Mell

Notice bibliographique

RevueAnnals of Oncology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueHead and Neck Cancer Studies
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineInternal medicineHead and neck cancerHazard ratioProportional hazards modelOncologyCancerRelative riskConfidence interval

Résumé

récupéré en direct d'OpenAlex

Background: Predictors of the effectiveness of intensive treatment for locoregionally advanced HNC are lacking. We developed and validated a predictive model to identify patients most likely to benefit from treatment intensification (altered fractionation (AFX) or chemotherapy (CT)) based on the relative hazard for cancer recurrence vs. competing mortality, with patients at higher risk for recurrence relative to non-cancer mortality classified as “high risk.”

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)0,016
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,031
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,121
Tête enseignante GPT0,436
Écart entre enseignants0,315 · 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'étudeObservationnel
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Oncology→Même sujetHead and Neck Cancer Studies→Travaux en français237 207→