Derivation and validation of a risk classification tree for patients with synovial sarcoma
Notice bibliographique
Résumé
BACKGROUND: Synovial sarcoma (SS) accounts for 8%-10% of all soft-tissue sarcomas. Clinical presentation and outcomes vary, yet discrete risk groups based on validated prognostic indices are not defined for the full spectrum of patients with SS. METHODS: We performed a retrospective cohort study using data from the SEER (surveillance, epidemiology, and end results program) database of SS patients who were <70 years of age at diagnosis. We constructed a recursive partitioning model of overall survival using a training cohort of 1063 patients with variables: Age at diagnosis, sex, race, ethnicity, primary site, tumor size, tumor grade, and stage. Based on this model, we grouped patients into three risk groups and estimated 5-year overall survival for each group. We then applied these groups to a test cohort (n = 1063). RESULTS: Our model identified three prognostic groups with significantly different overall survival: low risk (local/regional stage with either <21 years of age OR tumor <7.5 cm and female sex), intermediate-risk (local/regional stage, age ≥ 21 years with either male sex and tumor <7.5 cm OR any sex with appendicular anatomic location) and high risk (local/regional stage, age ≥ 21 years, tumor size ≥7.5 cm and non-appendicular location OR distant stage). Prognostic groups were applied to the test cohort, showing significantly different survival between groups (p < 0.0001). CONCLUSIONS: Our analysis yields an intuitive risk-classification tree with discrete groups, which may provide useful information for researchers, patients, and clinicians. Prospective validation of this model may inform efforts at risk-stratifying treatment.
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 | 0,013 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».