Individual Survival Distributions Generated by Multi-Task Logistic Regression Yield a New Perspective on Molecular and Clinical Prognostic Factors in Gastric Adenocarcinoma
Notice bibliographique
Résumé
Recent advances in our understanding of gastric cancer biology have prompted a shift towards more personalized therapy. However, results are based on population-based survival analyses, which evaluate the average survival effects of entire treatment groups or single prognostic variables. This study uses a personalized survival modelling approach called individual survival distributions (ISDs) with the multi-task logistic regression (MTLR) model to provide novel insight into personalized survival in gastric adenocarcinoma. We performed a pooled analysis using 1043 patients from a previously characterized database annotated with molecular subtypes from the Cancer Genome Atlas, Asian Cancer Research Group, and tumour microenvironment (TME) score. The MTLR model achieved a 5-fold cross-validated concordance index of 72.1 ± 3.3%. This model found that the TME score and chemotherapy had similar survival effects over the entire study time. The TME score provided the greatest survival benefit beyond a 5-year follow-up. Stage III and Stage IV disease contributed the greatest negative effect on survival. The MTLR model weights were significantly correlated with the Cox model coefficients (Pearson coefficient = 0.86, p < 0.0001). We illustrate how ISDs can accurately predict the survival time for each patient, which is especially relevant in cases of molecular subtype heterogeneity. This study provides evidence that the TME score is principally associated with long-term survival in gastric adenocarcinoma. Additional external validation and investigation into the clinical utility of this ISD model in gastric cancer is an area of future research.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».