Development and Validation of a Survival Prediction Model for Patients With Pancreatic Cancer
Notice bibliographique
Résumé
INTRODUCTION: Patients with pancreatic ductal adenocarcinoma (PDAC) face challenging treatment decisions following their diagnosis. We developed and validated a survival prognostication model using routinely available clinical information, patient-reported symptoms, performance status, and initial cancer-directed treatment. METHODS: This retrospective cohort study included patients with PDAC from 2007 to 2020 using linked administrative databases in Ontario, Canada. Patients were randomly selected for model development (75%) and validation (25%). Using the development cohort, a multivariable Cox proportional hazards regression with backward stepwise variable selection was used to predict the probability of survival. Model performance was assessed on the validation cohort using the concordance index and calibration plots. RESULTS: There were 17,450 patients (49% female) with a median age of 72 years (interquartile range 63-81) and a mean survival time of 9 months. In the derivation cohort, 1,469 patients (11%) had early stage, 4,202 (32%) had advanced stage disease, and 7,417 (57%) had unknown stage. The following factors were associated with an increased risk of death by more than 10%: tumor in the tail of the pancreas; advanced stage; hospitalization 3 months before diagnosis; congestive heart failure or dementia; low, moderate, or high pain score; moderate or high appetite score; high dyspnea and tiredness score; and a performance status score of 60-70 or lower. The calibration plot indicated good agreement with a C-index of 0.76. DISCUSSION: This model accurately predicted one-year survival for PDAC using clinical factors, symptoms, and performance status. This model may foster shared decision making for patients and their 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 ».