The importance of altruism to biomarker development for pancreatic cancer.
Notice bibliographique
Résumé
11626 Background: Longitudinal donation of tissue and health information by patients with pancreatic ductal adenocarcinoma (PDAC) is critical to validating algorithms for precision treatment. Unlike therapeutic trials offering potential survival benefit, factors motivating long-term participation in biomarker studies are poorly understood. We hypothesized that long-term participation (PART) depends on identifiable factors motivating study volunteers in non-therapeutic biomarker studies. Methods: A prospective, single-institution biomarker study was screened to identify participants with, or at elevated risk for, PDAC and periampullary cancer (Jul 2015-Dec 2018). Study consent precluded individual receipt of value or research benefit. Detailed biospecimen and clinical data (n = 294) were analyzed using multivariable modeling and Bayesian AI (bAIcis) to characterize motivators of PART. Results: Of 294 participants, 185 had PDAC (63%); 89 had premalignant lesions (30%) or tumors (20; 7%) mimicking PDAC. Mean age was 68 years, 54% male, 26% with prior cancers, and 18% family PDAC history. Treatment was not indicated (37% no cancer), potentially curative (27%), non-curative (35%); or refused (1.4%). Bayesian AI showed PDAC diagnosis to be the leading predictor of PART. Using multivariable modeling and adjusting for the competing risk of death, none of the following domains predicted PART: demographics, perceived personal/family cancer risk, health insurance type, median income, housing price, travel time/distance or charitable expense, or primary institution providing clinical treatment. The following motivators were significant predictors of PART: worsening symptoms (McGill Brisbane > 9; HR 0.54; p = 0.045), non-curative treatment (HR 0.55; p = 0.042); and shorter AJCC predicted survival (HR 0.77, p = 0.042). Conclusions: Volunteers with symptomatic PDAC and shorter predicted survival who received non-curative treatment were more motivated to participate in biomarker discovery. Volunteers were undeterred by apparent self-interests such as travel time, insurance type, income, charitable expense, and personal life expectancy. We attribute these findings to altruistic behaviors among patients most likely to die of PDAC.
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 | 0,043 | 0,114 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».