Enhancing prediction of cancer therapy-related cardiomyopathy from surveillance echocardiograms: A Children’s Oncology Group (COG) report.
Notice bibliographique
Résumé
10012 Background: Many childhood cancer patients receive cardiotoxic therapies and need surveillance for therapy-related cardiomyopathy (CM). (Echo)cardiography is used to screen for cardiac dysfunction but has relatively poor discriminatory ability to predict who will develop CM. We sought to identify combinations of echo parameters that can better predict which patients subsequently develop CM. Methods: Longitudinal echos (obtained per routine care) of patients diagnosed with cancer < 21y who subsequently met CM criteria (left ventricular [LV] ejection fraction ≤50% / fractional shortening ≤28%, ≥2 times, with ≥1 time after completion of cancer therapy) plus clinical data were collated from COG sites. Echos and data from patients without CM were also collated. All echos were centrally remeasured for 42 routinely reported parameters in blinded fashion. We applied least absolute shrinkage and selection operator (LASSO) to fit logistic models to identify the most influential predictors for CM development within 2 and 5y of echo, plus age and sex. Data were randomly split into training (85%) and test (15%) sets with 10-fold cross validation. Prediction accuracy was calculated using area under the ROC curve (AUC), based on the model that provided the minimum mean cross-validated error. Results: Echos from 88 CM cases (248 echos predating CM) and 126 non-cases (518 echos) were available. Patients (n = 214) were diagnosed at mean age 7.7±5.2y with mean 9.5±4.0y follow-up. Mean doxorubicin equivalent doses for cases and non-cases were 350±188 and 272±199 mg/m2, respectively. For 2y CM prediction, models achieved training AUC 0.85 (95%CI 0.78-0.92; 261 echos) and test AUC 0.74 (95% CI 0.74-0.90; 46 echos). Factors selected included age, 2-dimensional (2D) measurements of LV geometry (LV systolic and end-systolic dimensions, and posterior wall thickness), systolic function (M-mode fractional shortening), diastolic function (mitral inflow E wave, septal E’, septal A’), and a measurement of combined systolic and diastolic function (myocardial performance index). For 5y CM prediction, models achieved training AUC 0.90 (95%CI 0.85-0.95; 175 echos) and test AUC 0.89 (95%CI 0.78-0.99; 30 echos). Age, LV end-systolic dimension (2D and M-mode), M-mode LV posterior wall thickness, 2D wall thickness-dimension ratio, mitral inflow E, septal E’, septal A’, and the myocardial performance index were selected. At both times 2D end-systolic dimension was the most influential parameter. Inclusion of anthracycline and chest radiotherapy dose did not meaningfully improve the AUCs. Conclusions: Prediction models that incorporate conventional echo data may be able to accurately identify childhood cancer patients at high risk of developing CM 2-5y prior to CM diagnosis. This may provide a window of opportunity to introduce interventions that may arrest or slow CM progression.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».