Derivation and Validation of a Clinical Risk Assessment Model for Cancer-Associated Thrombosis in Two Unique US Health Care Systems
Notice bibliographique
Résumé
PURPOSE: Venous thromboembolism (VTE), especially pulmonary embolism (PE) and lower extremity deep vein thrombosis (LE-DVT), is a serious and potentially preventable complication for patients with cancer undergoing systemic therapy. METHODS: Using retrospective data from patients diagnosed with incident cancer from 2011-2020, we derived a parsimonious risk assessment model (RAM) using least absolute shrinkage and selection operator regression from the Harris Health System (HHS, n = 9,769) and externally validated it using the Veterans Affairs (VA) health care system (n = 79,517). Bootstrapped c statistics and calibration curves were used to assess external model discrimination and fit. Dichotomized risk strata using integer scores were created and compared against the Khorana score (KS). RESULTS: Incident VTE and PE/LE-DVT at 6 months occurred in 590 (6.2%) and 437 (4.6%) patients in HHS and 4,027 (5.1%) and 3,331 (4.2%) patients in the VA health care system. Assessed at the time of systemic therapy initiation, the new RAM included components of the KS with the modified cancer subtype, cancer staging, systemic therapy class, history of VTE, history of paralysis/immobility, recent hospitalization, and Asian/Pacific Islander race. The c statistic was 0.71 in HHS and 0.68 in the VA health care system (compared with 0.65 and 0.60, respectively, for KS). Furthermore, the new RAM appropriately reclassified 28% of patients and increased the proportion of VTEs in the high-risk group from 37% to 68% in the validation data set. CONCLUSION: 3% and 2%, respectively, in the low-risk group). The model had improved performance over the original KS and doubled the number of VTE events in the high-risk stratum. We encourage additional external validation from prospective studies.[Media: see text].
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 | 0,015 | 0,033 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».