Predicting Chemotherapy-Related Adverse Events in Elderly Cancer Patients with Prior Anticancer Therapy
Notice bibliographique
Résumé
To test the usefulness of the Cancer and Aging Research Group (CARG) predictive tool, it was used to assess elderly cancer patients with prior anticancer therapy. Among patients with solid malignancies aged ≥ 65 years receiving second-line chemotherapy who were admitted to the Department of Medical Oncology/Hematology at Kakogawa Central City Hospital between April 2016 and September 2019, the risk ≥ grade 3 of developing chemotherapy-related adverse events (CRAEs) (low, intermediate, or high) was calculated using the tool. Correlations between grades 3 and 5 CRAE incidence rates in the first course of each regimen and CARG risk score, age, and Eastern Cooperative Oncology Group performance status (ECOG PS) were assessed. Included patients (n = 62) had a mean age of 71 years (range, 65−82 years). Severe CRAE incidence in patients with low, medium, or high CARG risk was 27%, 54%, and 71%, respectively (p = 0.026). The incidence of severe non-hematological toxicities was 5%, 35%, and 64%, respectively (p < 0.01). There was no association between age or ECOG PS and chemotherapy toxicity. The results suggest the validity of the CARG predictive tool in elderly cancer patients with prior anticancer therapy. Particularly, the tool showed potential for predicting non-hematological toxicity.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».