Lifestyle and occupational risk assessment using machine learning methods and development a web-based nomogram for prediction of bladder cancer Short title: Risk assessment and nomogram to predict bladder cancer
Notice bibliographique
Résumé
Abstract Background: Urinary bladder cancer (UBC) is one of the most disabling yet prevalent types of cancer. With its burden on the rise, UBC is becoming more prevalent each year and the numbers will not stop until we decide to make an endeavor to increase our knowledge even further and to reduce the risk factors that predispose to it. We tried to use machine learning (ML) methods to develop a risk prediction model in this study.Methods: This population-based case-control study is focused on 692 cases of bladder cancer, and 692 healthy people. The ML including Neural Network (NN), Random Forest (RF), Regression Tree (RT), Naive Bayes (NB), and Logistic Regression (LR) were applied. Area Under Curve (AUC) of receiver operating characteristic, precision, sensitivity, specificity, F1 and recall were used to evaluate the model performance. Finally, a dynamic web-based nomogram was constructed to calculate the probability of bladder cancer.Results: The RF (AUC=.98, precision=91.3%) and NN (AUC=.97, precision=91.5%) had the best performance and the RT (AUC=0.98, precision=89.5%) was in the next rank. Based on variable importance analysis in RF, that recurrence infection, smoking, neurogenic bladder, low diet on fruit and vegetable, can and ham using were respectively the most significant variables which effect on probability of bladder cancer.Conclusion: Based on ML findings, urinary bladder risk factors can be classified into two major groups: exogenous factors such as smoking, dietary factors, environmental risks, occupational risks, and previous medical conditions of a patient. The second group is the endogenous or intrinsic factors that include gender, age, and genetics of a person. The presented web-based nomogram can be considered as a user-friendly clinical tool to predict the probability of UBC.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».