Methodological Issues with Head and Neck Cancer Prognostic Risk Prediction Models.
Notice bibliographique
Résumé
OBJECTIVE: Prognostic risk prediction models estimate the probability of developing head and neck cancer (HNC), providing valuable information for managing the disease. While different prognostic HNC risk prediction models have been developed worldwide, a comprehensive evaluation of their methods is lacking. We conducted a scoping review with a critical assessment aiming to identify the methodological strengths and limitations of HNC risk prediction models. METHOD: We searched Medline, Embase, Scopus, Web of Science, and CAB Abstracts databases and included full-text-available peer-reviewed published papers on developing or validating a prognostic HNC risk prediction model. Study quality was appraised using the PROBAST tool. RESULTS: Nine papers were included. Although all had a high risk of bias, mainly in the analysis domain, only two studies had high concerns about clinical applicability. CONCLUSION: Currently published studies provide insufficient information on methods, making it difficult to judge the models' quality and applicability. Future investigations should follow the guidelines in reporting the prediction modelling studies.
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 | 0,431 | 0,660 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,011 |
| Bibliométrie | 0,012 | 0,013 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,011 | 0,008 |
| Science ouverte | 0,007 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».