Incorporating progesterone receptor expression into the PREDICT breast prognostic model
Notice bibliographique
Résumé
Background Predict Breast (www.predict.nhs.uk) is an online prognostication and treatment benefit tool for early invasive breast cancer. The aim of this study was to incorporate the prognostic effect of progesterone receptor (PR) status into a new version of PREDICT and to compare its performance to the current version (2.2). Method The prognostic effect of PR status was based on the analysis of data from 45,088 European patients with breast cancer from 49 studies in the Breast Cancer Association Consortium. Cox proportional hazard models were used to estimate the hazard ratio for PR status. Data from a New Zealand study of 11,365 patients with early invasive breast cancer were used for external validation. Model calibration and discrimination were used to test the model performance. Results Having a PR-positive tumour was associated with a 23% and 28% lower risk of dying from breast cancer for women with oestrogen receptor (ER)-negative and ER-positive breast cancer, respectively. The area under the ROC curve increased with the addition of PR status from 0.807 to 0.809 for patients with ER-negative tumours ( p = 0.023) and from 0.898 to 0.902 for patients with ER-positive tumours ( p = 2.3 × 10 −6 ) in the New Zealand cohort. Model calibration was modest with 940 observed deaths compared to 1151 predicted. Conclusion The inclusion of the prognostic effect of PR status to PREDICT Breast has led to an improvement of model performance and more accurate absolute treatment benefit predictions for individual patients. Further studies should determine whether the baseline hazard function requires recalibration.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».