MétaCan
Menu
Retour à la cohorte
Enregistrement W2947482998 · doi:10.1186/s12874-019-0725-9

A Bayesian multivariate latent t-regression model for assessing the association between corticosteroid and cranial radiation exposures and cardiometabolic complications in survivors of childhood acute lymphoblastic leukemia: a PETALE study

2019· article· en· W2947482998 sur OpenAlexafffund
Miguel Caubet Fernandez, Simon Drouin, Mariia Samoilenko, Sophia Morel, Maja Krajinović, Caroline Laverdière, Daniel Sinnett, Émile Lévy, Valérie Marcil, Geneviève Lefebvre

Notice bibliographique

RevueBMC Medical Research Methodology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueChildhood Cancer Survivors' Quality of Life
Établissements canadiensCentre Hospitalier de l’Université de MontréalUniversité de MontréalCentre Hospitalier Universitaire Sainte-JustineUniversité du Québec à Montréal
Organismes subventionnairesFonds de Recherche du Québec - SantéHospital for Sick ChildrenGarron Family Cancer CentreUniversité de MontréalCanadian Cancer SocietyPediatric Oncology Group of OntarioOntario Institute for Cancer ResearchMinistère de l'Économie, de la Science et de l'Innovation - QuébecCompute CanadaCanadian Institutes of Health ResearchCancer Research Society
Mots-clésMedicineMultivariate statisticsMultivariate analysisBayesian probabilityLymphoblastic LeukemiaRegression analysisAssociation (psychology)LeukemiaPediatricsInternal medicineStatisticsPsychology

Résumé

récupéré en direct d'OpenAlex

Childhood acute lymphoblastic leukemia (cALL) is the most frequent pediatric cancer. Over the past decades, treatment of cALL has significantly improved, with cure rates close to 90%. However intensive chemotherapy and cranial radiotherapy (CRT) during a critical period of a child’s development have been shown to lead to significant long-term side effects including cardiometabolic complications. Using the PETALE (Prévenir les effets tardifs des traitements de la leucémie aiguë lymphoblastique chez l’enfant) cALL survivor cohort, we investigated the association between combined cumulative corticosteroids (CS) doses and CRT exposures and obesity, insulin resistance, (pre-)hypertension, and dyslipidemia jointly. A Bayesian multivariate latent-t model which accounted for our correlated binary outcomes was used for the analyses (n = 241 survivors). CS doses were categorized as low (LD) or high (HD). Combined exposure levels investigated were: 1) LD/no CRT; 2) LD/CRT, and; 3) HD/CRT. We also performed complementary sensitivity analyses for covariate adjustment. Prevalence of cardiometabolic complications ranged from 12.0% for (pre-)hypertension to 40.2% for dyslipidemia. The fully adjusted odds ratio (OR) for dyslipidemia associated with LD/CRT (vs. LD/No CRT) was OR = 1.98 (95% credible interval (CrI): 1.02 to 3.88). LD/CRT level also led to a 0.15 (95% CrI: 0.00 to 0.29) excess risk to develop at least one cardiometabolic complication. Except for obesity, adjusted results for the highest exposure category HD/CRT were generally similar to those for LD/CRT albeit not statistically significant. White blood cell count at diagnosis, a proxy for cALL burden at diagnosis, was found associated with insulin resistance (OR = 1.08 for a 10-unit increase (× 109/L), 95% CrI: 1.02 to 1.14). Our results indicated that combined LD/CRT exposure is a likely determinant of dyslipidemia among cALL survivors. No evidence was found to suggest that high doses of CS lead to additional risk for obesity, insulin resistance, (pre-)hypertension, and dyslipidemia beyond that induced by CRT. The multivariate model selected for analyses was judged globally useful to assess potential exposure-related concomitance of binary outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,024
score de la tête « metaresearch » (Gemma)0,028
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,111
Score d'incertitude au seuil0,980

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0240,028
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,200
Tête enseignante GPT0,489
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Medical Research MethodologyMême sujetChildhood Cancer Survivors' Quality of LifeTravaux en français237 207