Jove
Visualize
Contáctanos

Videos de Conceptos Relacionados

Cancer Survival Analysis01:21

Cancer Survival Analysis

453
Cancer survival analysis focuses on quantifying and interpreting the time from a key starting point, such as diagnosis or the initiation of treatment, to a specific endpoint, such as remission or death. This analysis provides critical insights into treatment effectiveness and factors that influence patient outcomes, helping to shape clinical decisions and guide prognostic evaluations. A cornerstone of oncology research, survival analysis tackles the challenges of skewed, non-normally...
453

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Epstein-Barr virus-associated lymphoepithelioma-like intrahepatic cholangiocarcinoma with concurrent hepatitis B virus infection: case report and literature review.

Annals of medicine and surgery (2012)·2026
Same author

RAS mutation status and immune microenvironment define distinct prognostic landscapes and predict chemotherapy benefit in pMMR colorectal cancer.

Frontiers in immunology·2026
Same author

Effects of Controlled Oxygen Partial Pressure on Arc Dynamics and Material Erosion in a Pantograph-Catenary System.

Materials (Basel, Switzerland)·2026
Same author

Arc Dynamics and Erosion Behavior of Pantograph-Catenary Contacts Under Controlled Humidity Levels.

Sensors (Basel, Switzerland)·2025
Same author

Value of serum uric acid in a risk prediction model for postmenopausal osteoporosis.

Archives of gynecology and obstetrics·2025
Same author

Efficacy of Rituximab Combined with Glucocorticoid for Nephrotic Syndrome and the Impact on Renal Function, Coagulation Function, and Inflammatory Response.

Journal of the College of Physicians and Surgeons--Pakistan : JCPSP·2025
Same journal

Engineered immune cells and extracellular vesicles target tumour microenvironment barriers in solid tumour immunotherapy.

Discover oncology·2026
Same journal

A bibliometric map of C. elegans in cancer research from 2005 to 2025.

Discover oncology·2026
Same journal

Predictive value of apparent diffusion coefficient, plasma levels of placental growth factor and glial fibrillary acidic protein, and their combinations for patients with recurrent glioblastoma.

Discover oncology·2026
Same journal

Metformin in endometrial cancer from metabolic regulation to precision therapeutics.

Discover oncology·2026
Same journal

Adipocytes in cancer a metabolic paradox and the dawn of novel therapeutics.

Discover oncology·2026
Same journal

Global prevalence and disability-adjusted life years of hepatoblastoma in children aged 0 to 4 years.

Discover oncology·2026
Ver todos los artículos relacionados
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Video Experimental Relacionado

Updated: Sep 10, 2025

Establishing a Competing Risk Regression Nomogram Model for Survival Data
04:57

Establishing a Competing Risk Regression Nomogram Model for Survival Data

Published on: October 23, 2020

10.3K

Un nomograma basado en la base de datos TARGET para el pronóstico del osteosarcoma pediátrico

Jianfeng Li1, Jiayi Li1, Jianjun Wang1

  • 1Zhuhai People's Hospital (Jinan University Zhuhai Clinical Medical College), No. 79 Kangning Road, Xiangzhou District, Zhuhai City, Guangdong Province, 519000, China.

Discover oncology
|August 20, 2025
PubMed
Resumen
Este resumen es generado por máquina.

Un nuevo modelo de predicción de riesgos identifica con precisión las tasas de supervivencia de los pacientes con osteosarcoma pediátrico. Esta herramienta ayuda a optimizar las estrategias de tratamiento, con el objetivo de mejorar los resultados y la calidad de vida de los niños con osteosarcoma.

Palabras clave:
NomogramaEl osteosarcomaEn niñosModelo de predicción de riesgosAnálisis de la supervivenciaBase de datos de TARGET

Más Videos Relacionados

Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
06:46

Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery

Published on: September 27, 2024

376
Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
07:13

Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model

Published on: April 18, 2025

193

Videos de Experimentos Relacionados

Last Updated: Sep 10, 2025

Establishing a Competing Risk Regression Nomogram Model for Survival Data
04:57

Establishing a Competing Risk Regression Nomogram Model for Survival Data

Published on: October 23, 2020

10.3K
Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
06:46

Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery

Published on: September 27, 2024

376
Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
07:13

Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model

Published on: April 18, 2025

193

Área de la Ciencia:

  • Oncología pediátrica
  • Modelado del riesgo de cáncer
  • Análisis de la supervivencia

Sus antecedentes:

  • El osteosarcoma es un cáncer de hueso raro pero agresivo que afecta a niños y adolescentes.
  • La estratificación precisa del riesgo es crucial para adaptar el tratamiento y mejorar los resultados de los pacientes.

Objetivo del estudio:

  • Para identificar los factores de riesgo para el osteosarcoma pediátrico.
  • Desarrollar y validar un modelo predictivo para la supervivencia específica del osteosarcoma en pacientes pediátricos.

Principales métodos:

  • Análisis retrospectivo de 129 casos de osteosarcoma pediátrico (2000-2013) de la base de datos de TARGET.
  • Modelado de riesgos proporcionales de Cox para identificar factores pronósticos independientes.
  • Construcción y validación de nomogramas utilizando el índice C, las curvas ROC, las curvas de calibración y el análisis de la curva de decisión.

Principales resultados:

  • Un modelo de seis variables (sexo, raza, lado/región del tumor, lugar/tiempo de recurrencia) demostró una buena capacidad discriminatoria (índices C 0,802 para 3 años, 0,787 para 5 años de supervivencia).
  • El modelo mostró una alta consistencia entre la supervivencia prevista y la real, con una utilidad clínica significativa.
  • El análisis de Kaplan-Meier confirmó pronósticos distintos para los grupos de alto riesgo frente a los de bajo riesgo.

Conclusiones:

  • El nomograma desarrollado es una herramienta eficaz para predecir la supervivencia en el osteosarcoma pediátrico.
  • Este modelo puede guiar la optimización del tratamiento, mejorando potencialmente las tasas de supervivencia y la calidad de vida.