Dynamic frailty risk assessment among older adults with multiple myeloma: A population-based cohort study
Notice bibliographique
Résumé
Multiple myeloma (MM) is a cancer of older adults and those who are more frail are at high risk of poor outcomes. Current tools for identifying and categorizing frail patients are often static and measured only at the time of diagnosis. The concept of dynamic frailty (i.e. frailty changing over time) is largely unexplored in MM. In our study, adults with newly-diagnosed MM who received novel drugs between the years 2007-2014 were identified in the Surveillance, Epidemiology, and End Results (SEER)-Medicare linked databases. Using a previously published cumulative deficit approach, a frailty index score was calculated at diagnosis and each landmark interval (1-yr, 2-yr, 3-yr post diagnosis). The association of frailty with overall survival (OS) both at baseline and at each landmark interval as well as factors associated with worsening frailty status over time were evaluated. Overall, 4617 patients were included. At baseline, 39% of the patients were categorized as moderately frail or severely frail. Among those who had 3 years of follow-up, frailty categorization changed post diagnosis in 93% of the cohort (78% improved and 72% deteriorated at least at one time point during the follow up period). In a landmark analysis, the predictive ability of frailty at the time of diagnosis decreased over time for OS (Harrell's C Statistic 0.65 at diagnosis, 0.63 at 1-yr, 0.62 at 2-yr, and 0.60 at 3-yr) and was inferior compared to current frailty status at each landmark interval. Our study is one of the first to demonstrate the dynamic nature of frailty among older adults with MM. Frailty may improve or deteriorate over time. Current frailty status is a better predictor of outcomes than frailty status at time of diagnosis, indicating the need for re-measurement in this high-risk patient population.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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 ».