Enhancing Prediction of Cancer Therapy-Related Cardiomyopathy From Surveillance Echocardiograms
Notice bibliographique
Résumé
BACKGROUND: Early echocardiographic indicators of cardiac remodeling may enhance cardiomyopathy risk prediction in childhood cancer survivors (CCS). OBJECTIVES: The objective of the study was to assess whether influential echocardiographic measures can be combined to develop a robust cardiomyopathy risk prediction model in CCS. METHODS: Multicenter retrospective study of ≥1-year CCS with digitally archived surveillance echocardiograms, enrolled cardiomyopathy cases (left ventricular [LV] fractional shortening ≤28% or LV ejection fraction ≤50% on ≥2 occasions) and noncases (≥5-year CCS who maintained fractional shortening ≥ 30% and ejection fraction ≥55% without initiation of cardiac medications). Echocardiograms were centrally quantitated in a blinded fashion. Least absolute shrinkage and selection operator regression identified the most influential 2-year predictors of cardiomyopathy among 27 echocardiographic parameters. Logistic regression was used to generate ORs with 95% CIs. Estimates were applied to the training and test data sets to generate area under the receiver operating characteristic curves (AUC). RESULTS: : 1.3; 95% CI: 1.1-1.6) were strongly predictive of cardiomyopathy. AUCs were similar if cancer treatment exposures were included. CONCLUSIONS: Early abnormalities in echocardiographic parameters of structure and function predict subsequent cardiomyopathy in CCS and can identify high-risk survivors who warrant early intervention.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».