A Prognostic Symptom Model Incorporating Patient-Reported Symptoms for Transplant-Ineligible Patients with Multiple Myeloma
Notice bibliographique
Résumé
INTRODUCTION: Patients with transplant-ineligible (TIE) multiple myeloma (MM) have high rates of symptom burden. The aim of this study was to develop and validate a prognostic model to predict symptoms in patients with TIE MM. METHODS: In this population-based, retrospective cohort study, using multiple administrative health care databases linked using a unique encrypted patient identifier in Ontario, Canada, symptoms were identified using the patient self-reported Edmonton Symptom Assessment System (ESAS) at each clinic visit. The primary outcome was the presence of moderate-to-severe (ESAS score 4-10) symptoms (specifically symptoms of pain, tiredness, depression, and impaired well-being) within one year from the index date. Using the entire cohort, a multivariable logistic regression model with baseline covariates was developed to predict the risk of experiencing each of the above symptoms, categorized as moderate to severe within 1 year post-index date. Internal validation of the model was assessed via bootstrap validation methods. RESULTS: A total of 1535 TIE adults with MM met the inclusion criteria. The median age was 75, with 25.2% of patients aged 80 years or older. In the multivariate analysis, baseline symptoms continued to be most associated with future symptom burden. Baseline severe pain (OR 9.84, 95% CI 6.29-15.7) was most associated with patients experiencing moderate-severe pain one year post-index date. Similarly, baseline severe tiredness (OR 17.34, 95% CI 9.00-33.42), baseline severe depression (OR 28.07, 95% CI 15.96-49.38), and baseline severely impaired well-being (OR 4.12, 95% CI 2.30-7.37) were the biggest predictors of patients experiencing moderate-severe tiredness, depression, and impaired well-being, respectively, at one year after the index date. CONCLUSIONS: Patients with MM experience persisting symptoms of pain, tiredness, depression, and impaired well-being, with baseline symptoms being the biggest predictor of future symptom burden.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».