MétaCan
Menu
← Retour à la cohorte
Enregistrement W3153281522 · doi:10.1371/journal.pone.0249123

Mapping expanded prostate cancer index composite to EQ5D utilities to inform economic evaluations in prostate cancer: Secondary analysis of NRG/RTOG 0415

2021· article· en· W3153281522 sur OpenAlexaffabout
Rahul Khairnar, Stephanie L. Pugh, Howard M. Sandler, W. Robert Lee, Ester Villalonga Olives, C. Daniel Mullins, Francis B. Palumbo, Deborah Watkins Bruner, Fadia T. Shaya, Søren M. Bentzen, Amit B. Shah, Shawn Malone, Jeff M. Michalski, Ian S. Dayes, Samantha A. Seaward, Michele Albert, Adam Currey, Thomas M. Pisansky, Yuhchyau Chen, Eric M. Horwitz, Albert S. DeNittis, Felix Y. Feng, Mark V. Mishra

Notice bibliographique

RevuePLoS ONE · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensHamilton Health SciencesJuravinski Cancer CentreOttawa Hospital
Organismes subventionnairesDivision of Cancer Epidemiology and Genetics, National Cancer InstituteNational Cancer InstituteNRG OncologyAmerican Society for Radiation Oncology
Mots-clésTobit modelOrdinary least squaresMedicineProstate cancerStatisticsCancerClinical trialMathematicsInternal medicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The Expanded Prostate Cancer Index Composite (EPIC) is the most commonly used patient reported outcome (PRO) tool in prostate cancer (PC) clinical trials, but health utilities associated with the different health states assessed with this tool are unknown, limiting our ability to perform cost-utility analyses. This study aimed to map EPIC tool to EuroQoL-5D-3L (EQ5D) to generate EQ5D health utilities. METHODS AND MATERIALS: This is a secondary analysis of a prospective, randomized non-inferiority clinical trial, conducted between 04/2006 and 12/2009 at cancer centers across the United States, Canada, and Switzerland. Eligible patients included men >18 years with a known diagnosis of low-risk PC. Patient HRQoL data were collected using EPIC and health utilities were obtained using EQ5D. Data were divided into an estimation sample (n = 765, 70%) and a validation sample (n = 327, 30%). The mapping algorithms that capture the relationship between the instruments were estimated using ordinary least squares (OLS), Tobit, and two-part models. Five-fold cross-validation (in-sample) was used to compare the predictive performance of the estimated models. Final models were selected based on root mean square error (RMSE). RESULTS: A total of 565 patients in the estimation sample had complete information on both EPIC and EQ5D questionnaires at baseline. Mean observed EQ5D utility was 0.90±0.13 (range: 0.28-1) with 55% of patients in full health. OLS models outperformed their counterpart Tobit and two-part models for all pre-determined model specifications. The best model fit was: "EQ5D utility = 0.248541 + 0.000748*(Urinary Function) + 0.001134*(Urinary Bother) + 0.000968*(Hormonal Function) + 0.004404*(Hormonal Bother)- 0.376487*(Zubrod) + 0.003562*(Urinary Function*Zubrod)"; RMSE was 0.10462. CONCLUSIONS: This is the first study to identify a comprehensive set of mapping algorithms to generate EQ5D utilities from EPIC domain/ sub-domain scores. The study results will help estimate quality-adjusted life-years in PC economic evaluations.

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)0,029
score de la tête « metaresearch » (Gemma)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,152

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,046
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,288
Tête enseignante GPT0,417
Écart entre enseignants0,129 · 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'étudeObservationnel
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

Citations7
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→