Development and Validation of a Prediction Model for Positive Findings of Preoperative Flexible Bronchoscopy in Patients with Peripheral Lung Cancer
Notice bibliographique
Résumé
(1) Background: It has yet to be determined whether preoperative flexible bronchoscopy (FB) should be routinely performed in patients with peripheral lung cancer. The aim of this study was to construct a model to predict the probability of positive FB findings, which would help assess the necessity of preoperative FB. (2) Methods: A total of 380 consecutive patients with peripheral lung cancer who underwent preoperative FB were recruited for this study. A prediction model was developed through univariate and multivariate logistic regression, with predictors including gender, age, body mass index (BMI), smoking, history of chronic lung diseases, respiratory symptoms, lesion size, lesion type, lesion location in the bronchi, and lesion location in the lobe. The predictive performance of the model was evaluated by validation using 1000 iterations of bootstrap resampling. Model discrimination was assessed using the area under the receiver operating characteristics curve (AUC), and calibration was assessed using the Brier score and calibration plots. (3) Results: The model suggested that male patients with respiratory symptoms, decreased BMI, solid lesions, and lesions located in lower-order bronchi were more likely to have positive FB findings. The AUC and Brier score of the model for internal validation were 0.784 and 0.162, respectively. The calibration curve for the probability of positive FB findings showed convincing concordance between the predicted and actual results. (4) Conclusions: Our prediction model estimated the pretest probability of positive FB findings in patients with peripheral lung cancers. Males and patients with lower BMI, the presence of respiratory symptoms, larger lesions, solid lesions, and lesions located in lower-order bronchi were associated with increased positive FB findings. The use of our model can be of assistance when making clinical decisions about preoperative FB.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 ».