International multicenter validation of <scp>GES</scp> score for <scp>HCC</scp> risk stratification in chronic hepatitis C patients
Notice bibliographique
Résumé
We have recently demonstrated the ability of a simple predictive model (GES) score to determine the risk of hepatocellular carcinoma (HCC) after using direct-acting antivirals. However, our results were restricted to Egyptian patients with hepatitis C virus (HCV) genotype 4. Therefore, we studied a large, independent cohort of multiethnic populations through our international collaborative activity. Depending on their GES scores, patients are stratified into low risk (≤ 6/12.5), intermediate risk (> 6-7.5/12.5), and high risk (> 7.5/12.5) for HCC. A total of 12,038 patients with chronic HCV were analyzed in this study, of whom 11,202 were recruited from 54 centers in France, Japan, India, the U.S., and Spain, and the remaining 836 were selected from the Gilead-sponsored randomized controlled trial conducted across the U.S., Europe, Canada, and Australia. Descriptive statistics and log-rank tests. The performance of the GES score was evaluated using Harrell's C-index (HCI). The GES score proved successful at stratifying all patients into 3 risk groups, namely low-risk, intermediate-risk, and high-risk. It also displayed significant predictive value for HCC development in all participants (p < .0001), with HCI ranging from 0.55 to 0.76 among all cohorts after adjusting for HCV genotypes and patient ethnicities. The GES score can be used to stratify HCV patients into 3 categories of risk for HCC, namely low-risk, intermediate-risk, and high-risk, irrespective of their ethnicities or HCV genotypes. This international multicenter validation may allow the use of GES score in individualized HCC risk-based surveillance programs.
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 | 0,010 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».