Influence of Competing Risks on Estimates of Recurrence Risk and Breast Cancer-specific Mortality in Analyses of the Early Breast Cancer Trialists Collaborative Group
Notice bibliographique
Résumé
Early-stage breast cancer (BC) is a curable disease with many patients dying of causes other than BC. The influence of non-BC death and other competing risks on the interpretation of Kaplan-Meier (KM)-based analyses for BC-specific outcomes are unknown. We searched the Oxford University website to identify all meta-analyses published by the Early Breast Cancer Trialists Collaborative Group (EBCTCG) between 2005 and 2018. The potential influence of competing risks was estimated using a validated multivariable linear model that predicts the difference between KM and cumulative incidence function (CIF) on estimates of BC-specific outcomes. The initial search identified 14 EBCTCG papers, 10 (71%) reported data on BC and competing events. Eight (80%) had a relative difference between KM and the competing risk adjusted estimates exceeding 10%. The median relative difference was 28.4% for local-recurrence; 16.8% for distant-recurrence, and 6.7% for BC-specific mortality. There was a 18.9% relative difference between KM and CIF adjusted analyses beyond 10 years. The use of KM-based methods when competing risks are present biases risk estimates in studies of early BC especially for uncommon outcomes such as local recurrence. The use of CIF to calculate BC-specific outcomes may be preferable in this setting.
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 | 0,435 | 0,616 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,042 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».