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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».