Cancer associated thrombosis and mortality in patients with cancer stratified by khorana score risk levels
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.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».