Evaluating PREDICT and developing outcome prediction models in early-onset breast cancer using data from Alberta, Canada
Notice bibliographique
Résumé
INTRODUCTION: Outcome prediction research in early-onset breast cancer (EoBC) is limited. This study evaluated the predictive performance of NHS PREDICT v2.1 and developed two prediction models for 5-year and 10-year all-cause mortality in a cohort of EoBC patients in Alberta, Canada. METHODS: Adults < 40 years diagnosed with invasive breast cancer in Alberta, Canada from 2004 to 2020 were included. Patient data were entered into PREDICT v2.1 and mortality estimates at 5 and 10 years were extracted. Two prediction models were developed for all-cause mortality: multivariable Cox regression with LASSO penalization (LASSO Cox) and random survival forests (RSF). Internal validation of the developed models was performed using nested tenfold cross-validation repeated 200 times. Model performance was assessed using receiver operator characteristic and calibration curves for mortality at 5 and 10 years. RESULTS: In total, 1827 patients with EoBC were eligible for inclusion. At 5 years, PREDICT had an area under the curve of 0.78 (95%CI 0.74-0.82) and overestimated mortality by 2.4% (95%CI 0.70-4.33) in the overall cohort. No differences in observed and predicted mortality by PREDICT were observed at 10 years. The LASSO Cox model showed better discrimination at 5 and 10 years than the RSF model, but both had poor calibration and underestimated mortality. CONCLUSION: PREDICT v2.1 tended to overestimate 5-year mortality in those with > 30% predicted risks and 10-year mortality in those with > 50% predicted risks for EoBC in Alberta, Canada. We did not identify additional models that would be clinically useful by applying machine learning. More follow-up data and emerging systemic treatment variables are required to study outcome prediction in modern cohorts.
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».