Development and validation of a hemangiosarcoma likelihood prediction model in dogs presenting with spontaneous hemoabdomen: The HeLP score
Notice bibliographique
Résumé
OBJECTIVE: To calculate a risk prediction model for hemangiosarcoma (HSA) diagnosis in dogs presenting with nontraumatic hemoabdomen. DESIGN: Retrospective multicenter observational cohort study enrolling dogs presented 2003-2016. SETTING: Five academic veterinary medical centers. ANIMALS: A total of 406 dogs with nontraumatic hemoabdomen as the presenting complaint that underwent surgical exploration or necropsy and received a histological diagnosis. Overall, 219 dogs from 3 centers provided the data for model construction, and 187 dogs from 2 centers provided the population for external validation. INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: The risk score was modeled on 4 predictors: bodyweight (P = 0.01), total plasma protein (P < 0.01), platelet count (P < 0.01), and thoracic radiograph findings (P = 0.02). The incidence of HSA diagnosis was 36%, 76%, and 96% in the low risk (≤40), medium risk (41-55), and high risk (>55) score groups, respectively. The risk score AUROC was 0.85 (95% CI 0.79-0.90) on the construction population, and 0.77 (95% CI 0.70-0.84) on the validation population. CONCLUSIONS: The risk of HSA diagnosis in dogs presenting with nontraumatic hemoabdomen could be predicted using a simple risk score, which could aid in identification and treatment of dogs at lower risk for this diagnosis.
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 ».