A nomogram to predict metastasis of soft tissue sarcoma of the extremities
Notice bibliographique
Résumé
Soft tissue sarcoma (STS) of the extremities are a rare tumor. Metastases develop in about 40%-50% of patients, most of whom die from their disease. We sought to identify potential risk factors associated with metastatic diseases upon presentation for patients with STS and established a reliable nomogram model to predict distant metastasis of STS at presentation. The current study retrospectively analyzed 3884 STS of the extremities or trunk patients from the Surveillance, Epidemiology, and End Results (SEER) database between 2010 and 2015. Based on patient registration, all patients were randomly allocated to training sets and validation sets (2:1). Then, univariate and binary logistic regression analysis was used to determine the significantly correlated predictors of metastasis. Finally, the nomogram model was established, using these predictors and validated it. 311 (8.21%) of the cases experienced distant metastatic disease was present at the time of presentation. The nomogram was developed from age, histology subtype, primary site, tumor size, grade and depth. Encouragingly, the nomogram showed favorable calibration with C-index 0.790 in the training set and 0.801 in validation set. The DCA showed that the novel model was clinically useful. This nomogram model had a high precision to predict the metastasis of soft tissue sarcoma of the extremities. We expect this model could be used in different clinical consultation and established risk assessment.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».