Baseline atrial volume indices and major adverse cardiac events following thoracic radiotherapy
Notice bibliographique
Résumé
Introduction Patients receiving thoracic radiotherapy (RT) have an increased risk of major adverse cardiac events (MACE) posttreatment. We utilized machine learning (ML) to discover novel predictors of MACE and validated them on an external cohort. Methods This multi-institutional retrospective study included 984 patients [n = 803 non-small cell lung cancer (NSCLC), n = 181 breast cancer] treated with radiotherapy. Extreme gradient boosting was utilized to discover novel clinical, dosimetric, and anatomical features (CT-based cardiac substructure segmentations) associated with MACE in a cohort of locally advanced NSCLC patients. Fine–Gray regression was performed with non-cardiac death as a competing risk. External validation was performed utilizing independent cohorts of NSCLC or breast cancer patients. Results In the discovery dataset (n = 701), 70 patients experienced MACE. ML modeling (training AUC, 0.68; testing AUC, 0.71) identified right and left atrial volume indices (RAVI and LAVI, respectively) as top predictors. After adjusting for baseline cardiovascular risk and known radiotherapy predictive factors, RAVI was associated with an increased risk of MACE [subdistribution hazard ratio (sHR) 1.02/unit, 95% confidence interval (CI): 1.00–1.04; p = 0.03]. In the validation cohorts (n = 102 NSCLC; n = 181 breast cancer), RAVI was associated with an increased risk of MACE (NSCLC: sHR 1.05, 95% CI: 1.001–1.106, p = 0.04; breast cancer: sHR 1.06, 95% CI: 1.01–1.11, p = 0.03). Similar findings were found for LAVI. Discussion ML modeling identified right and left atrial enlargement as novel radiographic predictors for increased risk of MACE following chest radiotherapy, which was validated in independent breast and lung cancer datasets. Given that echocardiography studies have demonstrated the prognostic utility of atrial volume indices across cardiovascular risk groups, these findings warrant further study to identify additional strategies for upfront cardiovascular risk profiling.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».