MétaCan
Menu
Retour à la cohorte
Enregistrement W4283783786 · doi:10.1200/cci.21.00188

Methodological Comparison of Mapping the Expanded Prostate Cancer Index Composite to EuroQoL-5D-3L Using Cross-Sectional and Longitudinal Data: Secondary Analysis of NRG/RTOG 0415

2022· article· en· W4283783786 sur OpenAlex
Rahul Khairnar, Lyudmila DeMora, Howard M. Sandler, W. Robert Lee, Ester Villalonga-Olives, C. Daniel Mullins, Francis B. Palumbo, Deborah Watkins Bruner, Fadia T. Shaya, Søren M. Bentzen, Amit B. Shah, Shawn Malone, Jeff M. Michalski, Ian S. Dayes, Samantha A. Seaward, Michele Albert, Adam Currey, Thomas M. Pisansky, Yuhchyau Chen, Eric M. Horwitz, Albert S. DeNittis, Felix Y. Feng, Mark V. Mishra

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJCO Clinical Cancer Informatics · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueProstate Cancer Diagnosis and Treatment
Établissements canadiensHamilton Health SciencesJuravinski Cancer CentreOttawa Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineStatisticsOrdinary least squaresPredictive modellingMathematics

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To compare the predictive ability of mapping algorithms derived using cross-sectional and longitudinal data. METHODS: This methodological assessment used data from a randomized controlled noninferiority trial of patients with low-risk prostate cancer, conducted by NRG Oncology (ClinicalTrials.gov identifier: NCT00331773), which examined the efficacy of conventional schedule versus hypofractionated radiation therapy (three-dimensional conformal external beam radiation therapy/IMRT). Health-related quality-of-life data were collected using the Expanded Prostate Cancer Index Composite (EPIC), and health utilities were obtained using EuroQOL-5D-3L (EQ-5D) at baseline and 6, 12, 24, and 60 months postintervention. Mapping algorithms were estimated using ordinary least squares regression models through five-fold cross-validation in baseline cross-sectional data and combined longitudinal data from all assessment periods; random effects specifications were also estimated in longitudinal data. Predictive performance was compared using root mean square error. Longitudinal predictive ability of models obtained using baseline data was examined using mean absolute differences in the reported and predicted utilities. RESULTS: A total of 267 (and 199) patients in the estimation sample had complete EQ-5D and EPIC domain (and subdomain) data at baseline and at all subsequent assessments. Ordinary least squares models using combined data showed better predictive ability (lowest root mean square error) in the validation phase for algorithms with EPIC domain/subdomain data alone, whereas models using baseline data outperformed other specifications in the validation phase when patient covariates were also modeled. The mean absolute differences were lower for models using EPIC subdomain data compared with EPIC domain data and generally decreased as the time of assessment increased. CONCLUSION: Overall, mapping algorithms obtained using baseline cross-sectional data showed the best predictive performance. Furthermore, these models demonstrated satisfactory longitudinal predictive ability.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,630

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,624
Tête enseignante GPT0,551
Écart entre enseignants0,072 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle