Development and preliminary validation of a PICC-related venous thrombosis risk prediction model for cancer patients: A systematic review and meta-analysis predominantly based on Chinese populations
Notice bibliographique
Résumé
Objective To identify key risk factors for peripherally inserted central catheter -related deep venous thrombosis (PICC-RVT) in patients with cancer through a systematic review and meta-analysis, develop risk prediction model and validate its performance. Methods A systematic literature search was performed in Pubmed, EMBASE, Web of Science (core collection), Scopus, CINAHL and Ovid databases from the time of their inception to June 2025. Study quality was assessed using the Newcastle-Ottawa Scale (NOS) checklist. Meta-analysis was performed using RevMan 5.4 statistical software to identify independent risk factors for PICC-RVT in adult patients with cancer, then the effect of each independent risk factor was determined using β - formation conversion for developing the risk predictive model. Finally, we collected the clinical datal of 338 adult patients with cancer who underwent PICC catheterization from June 2024 to May 2025 to evaluate the predictive performance of the risk predictive model by drawing the receiver of curve (ROC). Results A total of 32 cohort studies involving 28,813 individuals (28 from China, 2 from UK, 1 each from US and Canada) were included. Twenty-one independent risk factors were identified through meta-analysis. The risk prediction model was developed using β - coefficient transformation: pooled odds ratios (ORs) from meta-analysis were converted to β coefficients through natural logarithmic transformation ( β = ln[OR]), then each β - coefficient was multiplied by 10 and rounded to one decimal place to create a point-based scoring system. The total risk score was calculated by summing individual factor scores. Preliminary external validation was conducted in 338 patients with cancer (15 thrombosis events, 4.4% incidence) from a single Chinese center, yielding an area under curve (AUC) of 0.792 (95% [confidence interval (CI)] 0.653–0.931). The model showed acceptable calibration (Hosmer–Lemeshow P = 0.082) but validation was underpowered (15 events vs. recommended 100+ events for precise performance estimation). Conclusions This study developed a PICC-RVT risk prediction model based primarily on Chinese patients with cancer. The model demonstrated moderate discrimination in preliminary single-center validation, but requires multi-center validation with adequate event numbers before clinical implementation. The model provides a framework for PICC-RVT risk stratification in Chinese and similar healthcare settings. Systematic review registration PROSPERO (CRD420250651190).
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 | 0,034 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,017 | 0,053 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».