Prediction of Complications in Radical Prostatectomy Prostate Cancer Patients: Simulated Annealing versus Co-Morbidity Indexes
Notice bibliographique
Résumé
BACKGROUND: The Deyo/Charlson co-morbidity index (CCI) and Klabunde co-morbidity index (KCI) co-morbidity indexes represent outdated indexes when the endpoint of complications after radical prostatectomy (RP) is considered. A novel group of co-morbidities derived from International Classification of Diseases-9 diagnostic codes in a contemporary RP database could provide better accuracy. Research Design, Subjects and Measures: We relied on 20,484 patients with clinically localized non-metastatic prostate cancer treated with RP between 2000 and 2009 in the Surveillance, Epidemiology, and End Results-Medicare linked database. We examined 2 endpoints, namely, 90-day medical complication rate and 90-day surgical complication rate after RP. Simulated annealing (SA) was used to develop a novel co-morbidity index. Finally, the newly identified groups of co-morbid conditions were compared with the CCI and Klabunde indexes. RESULTS: Our SA identified 10 and 7 individual co-morbid conditions able to predict 90-day medical and surgical complications respectively. This novel model showed improved predictive accuracy over CCI and KCI for the 2 endpoints considered (respectively: 59.4 vs. 58.1 and 58.0% for medical complications, 58.0 vs. 56.8 and 56.7% for surgical complications). CONCLUSIONS: The newly defined groupings of co-morbid conditions resulted in better ability to predict the 2 endpoints of interest compared to CCI and KCI. However, the gain was marginal. This implies that better tools should be defined to more accurately predict these outcomes.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».