Development and internal validation of a clinical risk score to predict incident renal and pulmonary tumours in people with tuberous sclerosis complex
Notice bibliographique
Résumé
OBJECTIVE: This study aims to develop and internally validate a clinical risk score to predict incident renal angiomyolipoma (AML) and pulmonary lymphangioleiomyomatosis (LAM) in people with tuberous sclerosis complex (TSC). STUDY DESIGN: Data from 2420 participants in the TSC Alliance Natural History Database were leveraged for these analyses. Logistic regression was used to predict AML and LAM development using 10 early-onset clinical manifestations of TSC as potential predictors, in addition to sex and genetic mutation. For our models, we divided AML into three separate outcomes: presence or absence of AML, unilateral or bilateral and whether any are ≥3 cm in diameter. The resulting regression models were turned into clinical risk scores which were then internally validated using bootstrap resampling, measuring discrimination and calibration. RESULTS: The lowest clinical risk scores predicted a risk of AML and LAM of 1% and 0%, while the highest scores predicted a risk of 99% and 73%, respectively. Calibration was excellent for all three AML outcomes and good for LAM. Discrimination ranged from good to strong. C-statistics of 0.84, 0.83, 0.83 and 0.92 were seen for AML, bilateral AML, AML with a lesion≥3 cm and LAM, respectively. CONCLUSION: Our work is an important step towards identifying individuals who could benefit from preventative strategies as well as more versus less frequent screening imaging. We expect that our work will allow for more personalised medicine in people with TSC. External validation of the risk scores will be important to confirm the robustness of our findings.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».