Spatial dose-distribution-based risk mapping to predict moist desquamation in breast radiotherapy
Notice bibliographique
Résumé
Abstract Objective. A relationship between the regional spatial distribution of skin dose and the development of moist desquamation (MD) was established for patients treated with breast radiotherapy. Approach. A 56-patient dataset was used to develop and validate a dose-distance based metric to predict MD. Dose distributions for the skin were extracted from AcurosXB treatment plans, and patient reported outcomes were used to classify the incidence of MD across the whole breast and then more specifically in the inferior breast. The sensitivity and specificity of the metric was compared against dose-area (A38 Gy ⩽ 50 cm 2 ) and dose-volume (V105% ⩽ 2% of the breast volume) predictive metrics with the same dataset. Main results. With a sensitivity of 70% and a specificity of 72%, the dose-distance metric outperformed the dose-area (45%, 55%) and dose-volume (43%, 56%) predictive metrics. The test performance improves to a sensitivity and specificity of 81% when excluding the full coverage breast support devices that confounded the skin dose identification in the analysis. Significance. This metric offers regional MD prediction and risk mapping to highlight regions at high risk of developing severe skin toxicity and is suitable for implementation within the treatment planning process. This work is based on data acquired for the following clinical trials: ClinicalTrials.gov NCT04543851 and NCT04257396.
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 | 0,001 |
| 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 ».