The PROVIEW+ tool: Developing and validating a tool to predict risk of poor performance status and severe symptoms in cancer patients over time.
Notice bibliographique
Résumé
12095 Background: There are numerous predictive cancer tools that focus on survival. However, no tools predict risk of low performance status or severe symptoms, which are important for patient decision-making and early integration of palliative care. The aim of this study was to develop and validate a model for all cancer types that predicts the risk for having low performance status and severe symptoms. Methods: A retrospective, population-based, predictive study using linked administrative data from cancer patients from 2008-2015 in Ontario, Canada. Patients were randomly selected for model derivation (60%) and validation (40%). The derivation cohort was used to develop a multivariable logistic regression model to predict the risk of having the reported outcomes in the subsequent 6 months. Model performance was assessed using discrimination and calibration plots. The main outcome was low performance status using the Palliative Performance Scale. Secondary outcomes included severe pain, dyspnea, well-being, and depression using the Edmonton Symptom Assessment System. Outcomes were recalculated after each of 4 annual survivor marks. Results: We identified 255,494 cancer patients (57% female; median age of 64; common cancers were breast (24%) and lung (13%)). At diagnosis, the risk of having low performance status, severe pain, well-being, dyspnea, and depression in 6-months is 1%, 3%, 6%, 13% and 4%, respectively for the reference case (i.e. male, lung cancer, stage I, no symptoms). Generally these covariates increased the outcome risk by > 10% across all models: obstructive lung disease, dementia, diabetes; radiation treatment; hospital admission; high pain; depression; Palliative Performance Scale score of 60-10; issues with appetite; or homecare. Model discrimination was high across all models. Conclusions: The model accurately predicted changing cancer risk for low performance status and severe symptoms over time. Providing accurate predictions of future performance status and symptom severity can support decision-making and earlier initiation of palliative care, even alongside disease modifying therapies.
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 | 0,007 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».