Prognostic effects of previous cancer history on patients with major salivary gland cancer
Notice bibliographique
Résumé
OBJECTIVES: To explore the prognostic effects of previous cancer history on patients with major salivary gland cancer (SGC). SUBJECTS AND METHODS: SGC patients with (sec-SGC) and without (one-SGC) a previous cancer from the SEER database were identified. Cox proportional hazards regression (CoxPH) models were used to compare the prognosis between sec-SGC and one-SGC patients. Subgroup analyses for sec-SGC patients by gender, previous cancer types, previous cancer histology, and cancer diagnosis interval (CDI) were performed. Two CoxPH models were constructed to distinguish sec-SGC patients with different prognostic risks. RESULTS: 9098 SGC patients were enrolled. Overall, sec-SGC patients (adjusted HR [aHR] = 1.26, p < 0.001), especially those with a CDI ≤ 5 years (aHR = 1.47, p < 0.001), had worse overall survival (OS) than one-SGC patients. In subgroup analysis, only sec-SGC patients with a previous head and neck cancer who were female (aHR = 2.38, p = 0.005), with a CDI ≤ 5 years (aHR = 1.65, p = 0.007) or with a previous squamous cell carcinoma (aHR = 6.52, p < 0.001) had worse OS. Our models successfully differentiated all sec-SGC patients into high-, intermediate- and low-risk groups with different prognosis. CONCLUSIONS: Sec-SGC patients with different previous cancer types, gender, CDI and previous cancer histology had varied prognosis. The models we constructed could help differentiate the prognosis of sec-SGC patients with different risks.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».