Cox Proportional Hazard Regression Interaction Model and Its Application to Determine The Risk of Death in Breast Cancer Patients after Chemotherapy
Notice bibliographique
Résumé
Introduction: This research is based on medical record data of breast cancer patients who seek treatment at the Central General Hospital, dr. Sardjito Yogyakarta, from 2018-2021 has as many as 105 patients. Several risk factors for cancer include demographic factors, clinical factors, tumor factors, and therapy. These factors lead to different psychological states of patients, resulting in the rate of recovery and death of patients. Objective: To determine the risk of death in breast cancer patients after chemotherapy. Methods: The method used in this study is Cox Proportional Hazard survival analysis with an interaction model. The variables studied were age, marital status, profession, insurance, BMI, comorbidities, duration of chemotherapy, chemotherapy agent, chemotherapy type, and tumor size. Results: The analysis results using SPSS software obtained the best hazard and survival model with four significant variables, namely the duration of chemotherapy, chemotherapy agents, chemotherapy types, and the interaction between BMI and chemotherapy types. Conclusions: The most significant risk factor for death was palliative chemotherapy type with HR 27.195 and 3-5 chemotherapy agents with HR 4.997. Meanwhile, the long duration of chemotherapy and the interaction between lean BMI and palliative chemotherapy reduced the risk of death by HR 0.967 and 0.128, respectively.
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 | 0,016 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».