Defining an Abnormal Geriatric Assessment: Which Deficits Matter Most?
Notice bibliographique
Résumé
At present, there is no clear definition of what constitutes an abnormal geriatric assessment (GA) in geriatric oncology. Various threshold numbers of abnormal GA domains are often used, but how well these are associated with treatment plan modification (TPM) and whether specific GA domains are more important in this context remains uncertain. A retrospective review of the geriatric oncology clinic database at Princess Margaret Cancer Centre in Toronto, Canada, including new patients seen for treatment decision making from May 2015 to June 2022, was conducted. Logistic regression modelling was performed to determine the association between various predictor variables (including the GA domains and numerical thresholds) and TPM. The study cohort (n = 736) had a mean age of 80.7 years, 46.1% was female, and 78.3% had a VES-13 score indicating vulnerability (≥3). In the univariable analysis, the best-performing threshold number of abnormal domains based on area under the curve (AUC) was 4 (AUC 0.628). The best-performing multivariable model (AUC 0.704) included cognition, comorbidities, and falls risk. In comparison, the multivariable model with the sole addition of the threshold of 4 had an AUC of 0.689. Overall, an abnormal GA may be best defined as one with abnormalities in the domains of cognition, comorbidities, and falls risk. The optimal numerical threshold to predict TPM is 4.
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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| 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 ».