Suboptimal Performance of Hepatocellular Carcinoma Prediction Models in Patients with Hepatitis B Virus-Related Cirrhosis
Notice bibliographique
Résumé
This study aimed to evaluate the predictive performance of pre-existing well-validated hepatocellular carcinoma (HCC) prediction models, established in patients with HBV-related cirrhosis who started potent antiviral therapy (AVT). We retrospectively reviewed the cases of 1339 treatment-naïve patients with HBV-related cirrhosis who started AVT (median period, 56.8 months). The scores of the pre-existing HCC risk prediction models were calculated at the time of AVT initiation. HCC developed in 211 patients (15.1%), and the cumulative probability of HCC development at 5 years was 14.6%. Multivariate Cox regression analysis revealed that older age (adjusted hazard ratio [aHR], 1.023), lower platelet count (aHR, 0.997), lower serum albumin level (aHR, 0.578), and greater LS value (aHR, 1.012) were associated with HCC development. Harrell’s c-indices of the PAGE-B, modified PAGE-B, modified REACH-B, CAMD, aMAP, HCC-RESCUE, AASL-HCC, Toronto HCC Risk Index, PLAN-B, APA-B, CAGE-B, and SAGE-B models were suboptimal in patients with HBV-related cirrhosis, ranging from 0.565 to 0.667. Nevertheless, almost all patients were well stratified into low-, intermediate-, or high-risk groups according to each model (all log-rank p < 0.05), except for HCC-RESCUE (p = 0.080). Since all low-risk patients had cirrhosis at baseline, they had unneglectable cumulative incidence of HCC development (5-year incidence, 4.9−7.5%). Pre-existing risk prediction models for patients with chronic hepatitis B showed suboptimal predictive performances for the assessment of HCC development in patients with HBV-related cirrhosis.
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 | 0,020 |
| 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 | 0,000 | 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 ».