MétaCan
Menu
Retour à la cohorte
Enregistrement W3166951434 · doi:10.1200/jco.2021.39.15_suppl.e20562

Real-world prognostic model for malignant pleural mesothelioma.

2021· article· en· W3166951434 sur OpenAlexaff
Abdullah Nasser, Andrew Baird, Mathieu Saint-Pierre, Scott A. Laurie, Paul Wheatley‐Price

Notice bibliographique

RevueJournal of Clinical Oncology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueOccupational and environmental lung diseases
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicineMesotheliomaInternal medicineUnivariate analysisOncologyPopulationPemetrexedSurgeryMultivariate analysisPathologyChemotherapy

Résumé

récupéré en direct d'OpenAlex

e20562 Background: Two mesothelioma prognostic models have been suggested: European Organisation for Research and Treatment of Cancer (EORTC) and Cancer and Leukaemia Group B (CALGB) models. Both were based on clinical trial patients enrolled in the mid-1980s to early-1990s. Several changes to mesothelioma management have been adopted since publication of these models, including improved surgical and palliative interventions and changes to systemic therapy. Methods: With ethics approval, we collected and analyzed the health data of malignant pleural mesothelioma (MPM) patients with histologically confirmed diagnosis treated at our institution between January 1991 and March 2019. The primary endpoint was overall survival (OS). Univariate analysis was used to identify significant predictors of survival, which were then used to construct a multivariate survival tree with complete case-analysis and bootstrapping. Patients were then stratified into three prognostic groups based on their median OS. Results: 337 patients were included in the study; 309 (91.7%) were dead at last follow-up. The median OS was 9.4 (8.1-11.5) months for the entire population. Eastern Cooperative Oncology Group (ECOG) performance status (PS), histology, white blood count, platelets, International Mesothelioma Interest Group stage, age and hemoglobin were independent predictors of survival. The final pruned survival tree was based on 285 patients and incorporated the first five predictors. Good, intermediate and poor prognostic groups had median OS of > 12 months, 6-12 months, and < 6 months, respectively. Factors associated with the prognostic groups were: good prognosis: ECOG 0-1, normal platelets, stage 1, 2 and epithelioid histology; intermediate prognosis: ECOG 0-1 with either stage 3, 4 and/or sarcomatoid or biphasic histology; poor prognosis: ECOG 2-4 regardless of other factors. Conclusions: In contrast to EORTC/CALGB, real world evidence generates these prognostic groups with face validity but will need independent validation. Our data does not account for recent advances including immunotherapy, and thus patients with non-epithelioid histology may have better survival than predicted.[Table: see text]

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)0,004
score de la tête « metaresearch » (Gemma)0,006
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,173
Tête enseignante GPT0,482
Écart entre enseignants0,309 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetOccupational and environmental lung diseasesTravaux en français237 207