Abstract TMP105: Development and Validation of a Risk Prediction Model for Ischemic Stroke Among Individuals Newly Diagnosed With Cancer
Notice bibliographique
Résumé
Introduction: Cancer is an emerging risk factor for ischemic stroke. The risk of stroke is highest during the first year after a new diagnosis of cancer, but no tools exist to identify which patients are at the highest risk.. Methods: Using linked clinical and administrative health databases, we conducted a population-based retrospective cohort study of adults in Ontario, Canada with newly diagnosed cancer from 2010 - 2021 (excluding non-melanoma skin cancer & central nervous system malignancies). Patients were randomly selected for model derivation (60%) or validation (40%). The final model predicting stroke within 1 year following cancer diagnosis was derived using multivariable Fine-Gray regression with candidate predictors selected via backward elimination. Sub-distribution adjusted hazard ratios (aHR) and 95% confidence intervals (CI) were calculated, where all-cause mortality was treated as a competing event. Model performance of the validation cohort was assessed using the C-statistic & calibration plots for discrimination and calibration, respectively. Results: Of the 698,566 eligible patients, 418,911 were randomly allocated to derivation, and 279,576 to validation. The overall rate of stroke per 1000 person-years was 6.7 (6.4 - 6.9) for the derivation cohort. The final model included 22 predictors: age, sex, long-term care residency, history of heart failure, hypertension, dementia, asthma, atrial fibrillation, dyslipidemia, liver disease, ischemic stroke, transient ischemic attack, valvular disease, venous thromboembolism, hospitalization within the last 3 months, cancer type, cancer stage, cancer surgery or chemotherapy 3 months following diagnosis, and several 2-way interactions with age & cancer type. Discrimination was good, with a c-statistic of 0.73 in the validation cohort. The model was well calibrated, with points following the 45-degree line (Fig 1). Conclusion: We derived and validated a risk prediction model for ischemic stroke in patients with a new cancer diagnosis with good discrimination. Although our results require external validation, it has potential to identify individuals at highest risk for future randomized trials.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».