ReProMSig: an integrative platform for development and application of reproducible multivariable models for cancer prognosis supporting guideline-based transparent reporting
Notice bibliographique
Résumé
Adequate reporting is essential for evaluating the performance and clinical utility of a prognostic prediction model. Previous studies indicated a prevalence of incomplete or suboptimal reporting in translational and clinical studies involving development of multivariable prediction models for prognosis, which limited the potential applications of these models. While reporting templates introduced by the established guidelines provide an invaluable framework for reporting prognostic studies uniformly, there is a widespread lack of qualified adherence, which may be due to miscellaneous challenges in manual reporting of extensive model details, especially in the era of precision medicine. Here, we present ReProMSig (Reproducible Prognosis Molecular Signature), a web-based integrative platform providing the analysis framework for development, validation and application of a multivariable prediction model for cancer prognosis, using clinicopathological features and/or molecular profiles. ReProMSig platform supports transparent reporting by presenting both methodology details and analysis results in a strictly structured reporting file, following the guideline checklist with minimal manual input needed. The generated reporting file can be published together with a developed prediction model, to allow thorough interrogation and external validation, as well as online application for prospective cases. We demonstrated the utilities of ReProMSig by development of prognostic molecular signatures for stage II and III colorectal cancer respectively, in comparison with a published signature reproduced by ReProMSig. Together, ReProMSig provides an integrated framework for development, evaluation and application of prognostic/predictive biomarkers for cancer in a more transparent and reproducible way, which would be a useful resource for health care professionals and biomedical researchers.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».