Evaluation of Risk Prediction Models to Identify Cancer Therapeutics Related Cardiac Dysfunction in Women with HER2+ Breast Cancer
Notice bibliographique
Résumé
Cancer-therapeutics-related cardiac dysfunction (CTRCD) is an important concern in women receiving trastuzumab therapy for HER2+ breast cancer. However, the ability to assess CTRCD risk remains limited. In this retrospective cohort study, we apply three published risk prediction models (Ezaz et al., NSABP-31 cardiac risk scores (CRS), and HFA-ICOS trastuzumab proforma) to 629 women (mean age 52.4 ± 10.9 years) with Stage I-III HER2+ breast cancer treated with trastuzumab ± anthracyclines to assess their performance to identify CTRCD during or immediately post treatment. Using these models, patients were classified into CTRCD risk categories according to the pre-treatment characteristics. With NSABP-31 CRS and HFA-ICOS proformas, patients in the highest risk category had a 1.7-to-2.4-fold higher relative risk of CTRCD than the low-risk category (p = 0.010 and 0.005, respectively). However, with all three risk models, those in the low-risk category had a high absolute risk of CTRCD (15.5–25.5%). The discrimination of the models for CTRCD (AUC 0.51–0.60) and their calibration was limited. NSAP-31 CRS and HFA-ICOS proformas can identify relative differences in CTRCD risk between patients, but when considering absolute risk, they are only able to identify the highest risk patients. There remains an ongoing need for accurate CTRCD risk prediction models in women with HER2+ breast cancer.
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 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 | 0,011 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».