Expert Judgment Supporting a Bayesian Network to Model the Survival of Pancreatic Cancer Patients
Notice bibliographique
Résumé
Purpose: Pancreatic cancer is known for its poor prognosis. The most effective treatment combines surgery with peri-operative chemotherapy. Current prognostic tools are designed to predict patient outcomes and inform treatment decisions based on collected data. Bayesian networks (BNs) can integrate objective data with subjective clinical insights, such as expert opinions, or they can be independently based on either element. This pilot study is one of the first efforts to incorporate expert opinions into a prognostic model using a Bayesian framework. Methods: A clinical hybrid BN was selected to model the long-term overall survival of pancreatic cancer patients. The SHELF expert judgment method was employed to enhance the BN’s effectiveness. This approach involved a two-phase protocol: an initial single-center pilot phase followed by a definitive international phase. Results: Experts generally agreed on the distribution shape among the 12 clinically relevant predictive variables identified for the BN. However, discrepancies were noted in the tumor size, age, and ASA score nodes. With regard to expert concordance for each node, tumor size, and ASA score exhibited absolute concordance, indicating a strong consensus among experts. Ca19.9 values and resectability status showed high concordance, reflecting a solid agreement among the experts. The remaining nodes showed acceptable concordance. Conclusions: This project introduces a novel clinical hybrid Bayesian network (BN) that incorporates expert elicitation and clinical variables present at diagnosis to model the survival of pancreatic cancer patients. This model aims to provide research-based evidence for more reliable prognosis predictions and improved decision-making, addressing the limitations of existing survival prediction models. A validation process will be essential to evaluate the model’s performance and clinical applicability.
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 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 ».