Development of a Model for the Prediction of Treatment Response of Uterine Leiomyomas after Uterine Artery Embolization
Notice bibliographique
Résumé
Background: Uterine artery embolization (UAE) is one of the minimally-invasive alternatives to hysterectomy for treatment of uterine leiomyomas. There are various factors affecting the outcomes of UAE, but these have only been sporadically studied. Study Objective: To identify factors associated with the efficacy of UAE for the treatment of uterine leiomyoma, and to develop a model for the prediction of treatment response of uterine leiomyomas to UAE. Study design: A retrospective cohort study (Canadian Task Force Classification II-2) Patients: One hundred ninety-eight patients with symptomatic uterine leiomyomas. Intervention: UAE Measurements and Main Results: Among 198 leiomyoma patients who were treated with UAE, 104 who underwent pelvic magnetic resonance imaging (MRI) with diffusion-weighted imaging were selected for developing prediction model. Variables that were statistically significant from the univariate analysis were: location of leiomyoma, total number of lesions, sum of leiomyomas diameters, T2 signal intensity of largest leiomyoma, and T2 leiomyoma:muscle ratio. After a logistic regression analysis, leiomyoma location and T2 signal intensity of the largest leiomyoma were found to be statistically significant variables. Using intramural myomas defined as controls, submucosal leiomyomas showed a greater response to UAE with an odds ratio of 7.6904. The odds ratio of T2 signal intensity with an increase in signal intensity of 10 was 1.093. Using these two variables, we developed a prediction model. The AUC in the prediction model was 0.833, and the AUC in the validation set was 0.791.
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 | 0,001 | 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 ».