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 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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».