Cancer associated thrombosis and mortality in patients with cancer stratified by khorana score risk levels
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The Khorana score (KS) clinical algorithm is used to predict VTE risk in cancer patients. The study objective was to evaluate VTE and survival rates among patients newly diagnosed with cancer and stratified by KS in a real-world population. METHODS: DataMart database between 01/01/2012-09/30/2017 was used to identify adults with ≥ 1 hospitalization or ≥ 2 outpatient claims with a cancer diagnosis (index date). Only patients who were initiated on chemotherapy or radiation therapy were included. Patients were classified based on KS (KS = 0, 1, 2 or ≥ 3). Time-to-first VTE and survival were evaluated from the index date to the earliest among end of data availability or insurance coverage, death, or 12 months post-index using Kaplan-Meier (KM) analyses. RESULTS: A total of 2,488 (KS = 0); 2,125 (KS = 1), 1,074 (KS = 2), and 507 (KS ≥ 3) cancer patients were included. The 12-month KM rates of VTE were 3.1%, 5.4%, 7.9%, and 14.9% (associated median time to VTE of 2.7, 3.0, 1.4, and 1.7 months) among KS = 0, 1, 2, and ≥ 3 cohorts, respectively. Corresponding adjusted hazard ratios (95% CIs) relative to the KS = 0 cohort were 1.72 (1.25-2.38), 2.46 (1.73-3.50), and 4.99 (3.40-7.31) for the KS = 1, 2, and ≥ 3 cohorts, respectively (all P < .001). Regardless of KS, patients with VTE had significantly lower survival rates than those without. CONCLUSIONS: This real-world claims-based cohort study of newly diagnosed cancer patients showed significantly higher rates of VTE with increased KS, confirming its predictive ability. Moreover, VTE was associated with lower survival rates within each KS cohort.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle