Development and validation of a cycle‐specific risk score for febrile neutropenia during chemotherapy cycles 2–6 in patients with solid cancers: The <sup>CSR</sup>FENCE score
Notice bibliographique
Résumé
The absolute risk reduction by prophylaxis in chemotherapy-induced febrile neutropenia (FN) is largest in patients at highest underlying risk. Therefore, reliable predictive models are needed. Here, we develop and validate such a model for risk of FN during chemotherapy cycles 2-6. A prediction score for risk of FN during the first cycle has recently been published. Patients with solid cancers initiating first-line chemotherapy in 2010-2016 were included. Cycle-specific risk factors were assessed by Poisson regression using generalized estimating equations and random split sampling. The derivation cohort included 4,590 patients treated with 15,419 cycles, wherein 326 (2.1%) FN events occurred. Predictors of FN in multivariable analyses were: higher predicted risk of FN in the first cycle, platinum- or taxane-containing therapies, concurrent radiotherapy, treatment in cycle 2 compared to later cycles, previous FN or neutropenia and not receiving granulocyte colony-stimulating factors. Each predictor added between -2 and 8 points to each patient's score (median score 4; interquartile range, 1-6). The incidence rate ratios for developing FN in the intermediate (score 1-4), high (score 5-6) and very high risk groups (score ≥7) were 7.8 (95% CI, 2.4-24.9), 18.6 (95% CI, 5.9-58.8) and 51.7 (95% CI, 16.5-162.3) compared to the low risk group (score ≤0), respectively. The score had good discriminatory ability with a Harrell's C-statistic of 0.78 (95% CI, 0.76-0.80) in the derivation and 0.75 (95% CI, 0.72-0.78) in the validation cohort (patient n = 2,295, cycle n = 7,670). The Cycle-Specific Risk of FEbrile Neutropenia after ChEmotherapy score is the first published method to estimate cycle-specific risk of FN.
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 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».