MétaCan
Menu
← Retour à la cohorte
Enregistrement W3033227896 · doi:10.1101/2020.05.22.20110569

The OncoSim-Breast cancer microsimulation model

2020· preprint· en· W3033227896 sur OpenAlexafffundabout
Jean Hai Ein Yong, C. Nadeau, W. Michael Flanagan, Andrew J. Coldman, Keiko Asakawa, Rochelle Garner, Natalie Fitzgerald, Martin J. Yaffe, Anthony B. Miller

Notice bibliographique

RevuemedRxiv · 2020
Typepreprint
Langueen
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensPublic Health OntarioUniversity of TorontoSunnybrook HospitalStatistics CanadaCanadian Partnership Against Cancer
Organismes subventionnairesHealth CanadaPartenariat Canadien Contre Le Cancer
Mots-clésBreast cancerCancer registryMedicinePopulationBreast cancer screeningCancerIncidence (geometry)Ductal carcinomaDemographyOncologyMammographyInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Background The increasing demand for health care resources requires measures to evaluate the impact of cancer control approaches. A cancer simulation model can help integrate new knowledge to inform clinical and policy decisions. OncoSim-Breast is a breast cancer simulation model. This paper aims to describe the key assumptions in the OncoSim-Breast model and how well it reproduces more recent breast cancer trends and the observed effects in a randomized screening trial. Methods The OncoSim-Breast model simulates the onset, growth and spread of invasive and ductal carcinoma in situ tumours. The model combines Canadian cancer incidence, mortality, screening program and cost data to project population-level outcomes. Users can change the model input to answer specific policy questions. Here we report three validation exercises. First, we compared the model’s projected breast cancer incidence and stage distributions with the observed data in the Canadian Cancer Registry. Second, we compared OncoSim’s projected breast cancer mortality with the Vital Statistics. Third, we replicated the UK Age trial to compare the model’s projections with the trial’s observed screening effects. Results OncoSim-Breast’s projected incidence, mortality and stage distribution of breast cancer were close to the observed data in the Canadian Cancer Registry and the Vital Statistics. OncoSim-Breast also reproduced the breast cancer screening effects observed in the UK Age trial. Interpretation OncoSim-Breast’s ability to reproduce the observed population-level breast cancer trends and the screening effects in a randomized trial increases the confidence of using its results to inform policy decisions related to early detection of breast cancer.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,106
Score d'incertitude au seuil0,211

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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.

Tête enseignante Opus0,125
Tête enseignante GPT0,381
Écart entre enseignants0,256 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations1
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetGlobal Cancer Incidence and Screening→Travaux en français237 207→