A prediction model for metachronous colorectal cancer: development and validation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Being able to estimate the risk of metachronous disease in a patient with colorectal cancer (CRC) could enable risk-appropriate surveillance. The aim of this study was to develop a risk-prediction model to estimate individual 10-year risk of metachronous disease following a CRC diagnosis. METHODS: A population-based cohort of patients with CRC was recruited soon after diagnosis between 1997 and 2012 from the United States, Canada, and Australia. Cox regression with the least absolute shrinkage and selection operator penalization was used to identify factors that predicted the risk of a new primary CRC diagnosed at least 1 year after the initial CRC diagnosis. Potential predictors included demography, anthropometry, lifestyle factors, comorbidities, personal and family cancer history, medication use, age at diagnosis, and pathological features of the first CRC. Internal validation through bootstrapping was used to evaluate the discrimination and calibration. RESULTS: We included 6085 CRC cases; 138 (2.3%) of these cases were diagnosed with metachronous disease over a median of 12 years (IQR = 5-17 years). Metachronous CRC risk was predicted by body mass index; smoking status; level of physical activity; family history of cancer and synchronous CRC; stage, grade, histological type, and DNA mismatch repair status; and age at diagnosis of the first CRC. The model was valid with a C statistic of 0.65 (95% CI = 0.63 to 0.68) and a calibration slope of 0.873 (SD = 0.087). CONCLUSIONS: Metachronous CRC can be predicted with reasonable accuracy using a prediction model that consists of clinical variables collected as part of routine practice.
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.
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 | 0,000 |
| 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 découle