PROgnostic Model for Advanced Cancer (PRO-MAC)
Notice bibliographique
Résumé
OBJECTIVE: To develop and validate a simple prognostic tool for early prediction of survival of patients with advanced cancer in a tertiary care setting. DESIGN: Prospective cohort study with 2 years' follow-up. SETTING: Single tertiary teaching hospital in Singapore. PARTICIPANTS: The study includes consecutive patients diagnosed with advanced cancer who were referred to a palliative care unit between 2013 and 2015 (N=840). Data were randomly split into training (n=560) and validation (n=280) sets. RESULTS: 743 (88.5%) patients died with a mean follow-up of 97.0 days (SD 174.0). Cox regression modelling was used to build a prognostic model, cross-validating with six randomly split dataset pairs. Predictor variables for the model included functional status (Palliative Performance Scale, PPS V.2), symptoms (Edmonton Symptom Assessment System, ESASr), clinical assessment (eg, the number of organ systems with metastasis, serum albumin and total white cell count level) and patient demographics. The area under the receiver operating characteristic curve using the final averaged prognostic model was between 0.69 and 0.75. Our model classified patients into three prognostic groups, with a median survival of 79.0 days (IQR 175.0) for the low-risk group (0-1.5 points), 42.0 days (IQR 75.0) for the medium-risk group (2.0-5.5 points), and 15.0 days (IQR 28.0) for the high-risk group (6.0-10.5 points). CONCLUSIONS: PROgnostic Model for Advanced Cancer (PRO-MAC) takes into account patient and disease-related factors and identify high-risk patients with 90-day mortality. PPS V.2 and ESASr are important predictors. PRO-MAC will help physicians identify patients earlier for supportive care, facilitating multidisciplinary, shared decision-making.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Simulation ou modélisation | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Méthodes Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».