Nomograms for Predicting Overall Survival and Cancer-Specific Survival of Small Cell Carcinoma of Ovary Patients: A Retrospective Cohort Study
Notice bibliographique
Résumé
Background: This study aimed to develop functional nomograms to predict overall survival (OS) and cancer-specific survival (CSS) of small cell carcinoma of ovary (SCCO). Methods: SSCO case data were recruited retrospectively from the Surveillance, Epidemiology, and End Results (SEER) database. Nomograms were constructed to predict the probabilities of OS and CSS in SCCO patients based on independent predictors. The predictive performance of nomogram was evaluated with the concordance index (C-index), area under the curve (AUC), calibration curves, and decision curve analysis (DCA). Results: The independent risk factors affecting the prognosis of SCCO patients were older age, lower income, surgery, chemotherapy, radiation, advanced International Federation of Gynecology and Obstetrics (FIGO) stage, and number of primary tumors. The C-index for the OS nomogram was 0.78 (95% confidence interval (CI): 0.75 - 0.82), and AUCs for 1-, 3-, and 5-year OS were 0.861, 0.807, and 0.821, respectively. The C-index for the CSS nomogram was 0.79 (95% CI: 0.76 - 0.83), and AUCs for 1-, 3-, and 5-year OS were 0.873, 0.841, and 0.864, respectively. The calibration curves indicated reasonable agreement between the observed and predicted probabilities of the OS and CSS nomograms, which indicated a good degree of confidence. According to the C-index, ROC, and DCA, the prognostic nomograms of OS and CSS showed better prediction accuracy and clinical application value for SCCO than the FIGO staging system. Conclusions: We constructed original nomograms that provided useful prediction of OS and CSS for patients with SCCO. These models could facilitate the postoperative personalized assessment and the identification of treatment strategy.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».