Development of cardiac risk prediction model in patients with HER-2 positive breast cancer on trastuzumab therapy
Notice bibliographique
Résumé
BACKGROUND: 25% of all breast cancer patients have HER-2 overexpression. Breast Cancer patients with HER-2 overexpression are typically treated with HER-2 inhibitors such as Trastuzumab. Trastuzumab is known to cause a decrease in left ventricular ejection fraction. The aim of this study is to create a cardiac risk prediction tool among women with Her-2 positive breast cancer to predict cardiotoxicity. METHOD: Using a split sample design, we created a risk prediction tool using patient level data from electronic medical records. The study included women 18 years of age and older diagnosed with HER-2 positive breast cancer who received Trastuzumab. Outcome measure was defined as a drop in LVEF by more than 10% to less than 53% at any time in the 1-year study period. Logistic regression was used to test predictors. RESULTS: The cumulative incidence of cardiac dysfunction in our study was 9.4%. The sensitivity and specificity of the model are 46% and 84%, respectively. Given a cumulative incidence of cardiotoxicity of 9%, the negative predictive value of the test was 94%. This suggests that in a low-risk population, the interval of screening for cardiotoxicity may be performed less frequently. CONCLUSION: Cardiac risk prediction tool can be used to identify Her-2 positive breast cancer patients at risk of developing cardiac dysfunction. Also, test characteristics in addition to disease prevalence may inform a rational strategy in performing cardiac ultrasound in Her-2 breast cancer patients. We have developed a cardiac risk prediction model with high NPV in a low-risk population which has an appealing cost-effectiveness profile.
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) | 0,001 | 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 ».