A Predictive Tool for Ability to Remain at Home After Cancer Surgery in Older Adults
Notice bibliographique
Résumé
Importance: Shared decision-making with older adults regarding cancer surgery is critical. Prognostication tools that report individualized risk estimates of patient-centered outcomes can facilitate discussions. Objective: To develop and internally validate a risk prediction model, STAYHOME, to estimate the risk of losing the ability to live at home for older adults after cancer surgery. Design, Setting, and Participants: This was a retrospective population-based prognostic study conducted in Ontario, Canada. Included were adults 70 years and older undergoing cancer surgery over the period 2007 to 2019. Data were analyzed from June 2023 to January 2024. Exposures: Predictor variables selected among information available preoperatively. The predictive model included age, sex, rural residence, previous cancer diagnosis, type of surgery, frailty, preoperative home care use, neoadjuvant therapy, cancer site, and cancer stage. Main Outcomes and Measures: Inability to stay at home, defined as admission to nursing home. Fine-Gray models accounting for the competing risk of death were used. Discrimination and calibration were assessed. Bootstrap validation using 1000 samples with replacement was performed. Results: Among 97 353 patients (median [IQR] age, 76 [73-81] years; 61 370 female [63.0%]), there were 2658 events (2.7%) at 6 months and 3746 events (3.8%) events at 12 months. The mean predicted risk of not staying home was 2.4% at 6 months and 3.4% at 12 months. Areas under the curve were 0.76 and 0.75 for 6-and 12-month predictions, respectively. Deviation from the observed risk of not staying home was 0.33% (95% CI, 0.31%-0.34%) for 6-month predictions and 0.46% (95% CI, 0.44%-0.48%) for 12-month predictions. Calibration was maintained across risk deciles. Conclusions and Relevance: Results of this prognostic study reveal that STAYHOME used information available preoperatively to predict the risk of not remaining home after cancer surgery for older adults. It presented good discrimination and was well calibrated. Individualized risk estimates from STAYHOME may support counseling, shared decision-making, and setting of expectations before surgery.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».