A Prognostic Survival Model Incorporating Patient-Reported Outcomes for Transplant-Ineligible Patients With Multiple Myeloma
Notice bibliographique
Résumé
Developing prognostic tools specifically for patients themselves represents an important step in empowering patients to engage in shared decision-making. Incorporating patient-reported outcomes may improve the accuracy of these prognostic tools. We conducted a retrospective population-based study of transplant-ineligible (TIE) patients with multiple myeloma (MM) diagnosed between January 2007 and December 2018. A multivariable Cox regression model was developed to predict the risk of death within 1-year period from the index date. We identified 2356 patients with TIE MM. The following factors were associated with an increased risk of death within 1 year: age > 80 (HR 1.11), history of heart failure (HR 1.52), "CRAB" at diagnosis (HR 1.61), distance to cancer center (HR 1.25), prior radiation (HR 1.48), no proteosome inhibitor/immunomodulatory therapy usage (HR 1.36), recent emergency department (HR 1.55) or hospitalization (HR 2.13), poor performance status (ECOG 3-4 HR 1.76), and increasing number of severe symptoms (HR 1.56). Model discrimination was high with C-statistic of 0.74, and calibration was very good. To our knowledge, this represents one of the first prognostic models developed in MM incorporating patient-reported outcomes. This survival prognostic tool may improve communication regarding prognosis and shared decision-making among older adults with MM and their health care providers.
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 | 0,000 |
| 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 ».