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 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 ».