MétaCan
Menu
Retour à la cohorte
Enregistrement W4408034514 · doi:10.21037/jtd-2025-31

Development a predictive nomogram for spontaneous pleurodesis in patients with non-small cell lung cancer and malignant pleural effusion

2025· article· en· W4408034514 sur OpenAlexaff
Sihan Tan, Hao Zeng, Qin Huang, Xin Pu, Weimin Li, Jason M. Ali, Rahul Nayak, Milind Bhagat, Yalun Li, Panwen Tian

Notice bibliographique

RevueJournal of Thoracic Disease · 2025
Typearticle
Langueen
DomaineMedicine
ThématiquePleural and Pulmonary Diseases
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésMedicineMalignant pleural effusionNomogramPleurodesisLung cancerPleural effusionRadiologyLungOncologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: Indwelling pleural catheter (IPC) insertion is associated with fewer subsequent procedures and higher rates of spontaneous pleurodesis (SP) in patients with malignant pleural effusion (MPE). However, long-term pleural drains may cause psychological and physical distress. Additionally, only a portion of patients can benefit from IPC insertion and ultimately have them removed. The nomogram reflects the influence of different factors on outcome visually, enabling clinics to assess the optimal population. Thus, the objective of this study was to develop and validate a novel nomogram to predict successful SP in non-small cell lung cancer (NSCLC) patients with MPE treated with IPC. Methods: We reviewed data on the use of IPC insertion for MPE in patients with NSCLC and allocated them randomly to development (60%) and validation (40%) sets. A static and dynamic nomogram was developed based on multivariate logistic regression to evaluate SP occurrence in the development set. Receiver operating characteristic (ROC) curves, calibration curves, decision curve analysis (DCA), and Nelson-Aalen cumulative risk curves were used to validate the predictive accuracy of the nomogram. Results: In total, 331 patients (development set: n=199; validation set: n=132) were selected for this study. Medical thoracoscopy, septated effusion, and effusion volume were the strongest predictors of SP. Other predictors included gender, systemic treatment, and serum neutrophil-to-lymphocyte ratio. The prediction nomogram was demonstrated good predictive ability in the development and validation sets (area under the curve: 0.745 and 0.720, respectively). The DCA indicated that the model had a certain clinical application value. Nelson-Aalen cumulative risk curves showed that the more favorable group received successful SP than did the less favorable group (P<0.001). Conclusions: We developed an accurate and practicable nomogram for successfully predicting SP. These results may benefit clinicians in optimizing treatment decisions, improving the probability of SP, and relieving the long-term discomfort caused by IPC.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,272
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Thoracic DiseaseMême sujetPleural and Pulmonary DiseasesTravaux en français237 207