Nomogram for Predicting Distant Metastasis of Pancreatic Ductal Adenocarcinoma: A SEER-Based Population Study
Notice bibliographique
Résumé
(1) Background: The aim of this study was to identify risk factors for distant metastasis of pancreatic ductal adenocarcinoma (PDAC) and develop a valid predictive model to guide clinical practice; (2) Methods: We screened 14328 PDAC patients from the Surveillance, Epidemiology, and End Results (SEER) database between 2010 and 2015. Lasso regression analysis combined with logistic regression analysis were used to determine the independent risk factors for PDAC with distant metastasis. A nomogram predicting the risk of distant metastasis in PDAC was constructed. A receiver operating characteristic (ROC) curve and consistency-index (C-index) were used to determine the accuracy and discriminate ability of the nomogram. A calibration curve was used to assess the agreement between the predicted probability of the model and the actual probability. Additionally, decision curve analysis (DCA) and clinical influence curve were employed to assess the clinical utility of the nomogram; (3) Results: Multivariate logistic regression analysis revealed that risk factors for distant metastasis of PDAC included age, primary site, histological grade, and lymph node status. A nomogram was successfully constructed, with an area under the curve (AUC) of 0.871 for ROC and a C-index of 0.871 (95% CI: 0.860-0.882). The calibration curve showed that the predicted probability of the model was in high agreement with the actual predicted probability. The DCA and clinical influence curve showed that the model had great potential clinical utility; (4) Conclusions: The risk model established in this study has a good predictive performance and a promising potential application, which can provide personalized clinical decisions for future clinical work.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».