Development of a clinical score to distinguish malignant from benign esophageal disease in an undiagnosed patient population referred to an esophageal diagnostic assessment program
Notice bibliographique
Résumé
BACKGROUND: Esophageal cancer is associated with poor prognosis. Diagnosis is often delayed, resulting in presentation with advanced disease. We developed a clinical score to predict the risk of a malignant diagnosis in symptomatic patients prior to any diagnostic tests. METHODS: We analyzed data from patients referred to a regional esophageal diagnostic assessment program between May 2013 and August 2016. Logistic regression was performed to identify predictors of malignancy based on patient characteristics and symptoms. Predicted probabilities were used to develop a score from 0 to 10 which was weighted according to beta coefficients for predictors in the model. Score accuracy was evaluated using a receiver operating characteristic (ROC) curve and internally validated using bootstrapping techniques. Patients were classified into low (0-2 points), medium (3-6 points), and high (7-10 points) risk groups based on their scores. Pathologic tissue diagnosis was used to assess the effectiveness of the developed score in predicting the risk of malignancy in each group. RESULTS: Of 530 patients, 363 (68%) were diagnosed with malignancy. Factors predictive of malignancy included male sex, family history of cancer and esophageal cancer, fatigue, chest/throat/back pain, melena and weight loss. These factors were allocated 1-2 points each for a total of 10 points. Low-risk patients had 70% lower chance of malignancy (RR =0.28, 95% CI: 0.21-0.38), medium-risk had 50% higher chance of malignancy (RR =1.5, 95% CI: 1.26-1.77), and high-risk patients were 8 times more likely to be diagnosed with malignancy (RR =8.2, 95% CI: 2.60-25.86). The area under the ROC curve for malignancy was 0.82 (95% CI: 0.77-0.87). CONCLUSIONS: A simple score using patient characteristics and symptoms reliably distinguished malignant from benign diagnoses in a population of patients with upper gastrointestinal symptoms. This score might be useful in expediting investigations, referrals and eventual diagnosis of malignancy.
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 | 0,005 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».