Assessing the Risk of Venous Thromboembolism in Patients with Hematological Cancers using Three Prediction Models
Notice bibliographique
Résumé
Background: Assessment of individual VTE risk in cancer patients prior to chemotherapy is important. Risk assessment models (RAM) are available but have not been validated for hematological malignancy. We aimed to assess validity of the Vienna Cancer and Thrombosis Study (CATS) score in prediction of VTE in a variety of hematological malignancies. Methods: This is a prospective cohort study conducted on 81 newly diagnosed cancer patients undergoing chemotherapy. Demographic, clinical and cancer related data were collected and patients were followed up for 6 months for VTE events. Khorana score (KS) was calculated. Plasma D-dimer and sP-selectin were measured then V-CATS score was calculated. We assessed modified V-CATS by using new cut off levels of d-dimer and sP-selectin based on ROC curve of the patients’ results. Results: Out of the 81 patients assessed, 2.7% had advanced cancer with metastasis. The most frequent cancer was Non-Hodgkin lymphoma (39.5%) and 8 patients (9.8%) developed VTE events. The calculated probability of VTE occurrence using KS, V-CATS and modified V-CATS scores at cut off levels ≥3 were 87.5%, 87.5%, 100% respectively. The AUC in ROC curve of modified Vienna CATS score showed significant difference when compared to that of V-CATS and KS (P= 0.047 and 0.029, respectively). Conclusion: Our data shows the usefulness of three VTE risk assessment models in hematological malignancies. Modified V-CATS score is more specific compared with V-CATS and KS, while all three scores have similar sensitivity. Implementation of RAM in hematological cancers can help improve the use of thromboprophylaxis.
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 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 ».