WITHDRAWN: Combined triglyceride-glucose and frailty index (TyGFI) and risk of endometrial cancer in U.S. women aged >=45: NHANES 2011-2018 analysis integrating data engineering and machine learning with logistic modeling
Deze teruggetrokken studie analyseerde NHANES 2011-2018 data om aan te tonen dat de gecombineerde triglyceriden-glucose en frailty index (TyGFI) significant geassocieerd is met de prevalentie van endometriumcarcinoom bij Amerikaanse vrouwen van 45 jaar en ouder, waarbij het naar voren kwam als de dominante voorspeller in machine learning-modellen met een AUC van 0,999.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Op basis van de verstrekte tekst, die een ingetrokken preprint betreft, volgt hier een gedetailleerde technische samenvatting van de onderzoeksinhoud, methodologie en claims:
Probleemstelling
De studie beoogde de associatie te onderzoeken tussen een gecombineerde metriek van metabole gezondheid en fysieke kwetsbaarheid — de Triglyceride-Glucose (TyG) index gecombineerd met de Frailty Index (TyGFI) — en het risico op baarmoederkanker. Het onderzoek richtte zich specifiek op Amerikaanse vrouwen van 45 jaar en ouder, gebruikmakend van gegevens uit de National Health and Nutrition Examination Survey (NHANES) over de jaren 2011–2018.
Methodologie
De auteurs stelden een analytisch kader voor dat het volgende integreerde:
- Databron: NHANES 2011–2018 datasets.
- Blootstellingsvariabele: Een samengestelde index, de TyGFI genoemd, afgeleid van de Triglyceride-Glucose (TyG) index en de Frailty Index.
- Analytische aanpak: De studie maakte gebruik van data engineering technieken, machine learning algoritmen en logistische modellering om de relatie tussen de TyGFI en de incidentie van baarmoederkanker te beoordelen.
Belangrijkste bijdragen en claims
Het artikel was bedoeld om een innovatieve poging te presenteren om metabole en kwetsbaarheidsmetrieken te synthetiseren tot één enkele voorspeller (TyGFI) voor het risico op baarmoederkanker, waarbij geavanceerde computationele methoden (machine learning en data engineering) werden ingezet naast traditionele logistische regressie. De auteurs beoogden een uitgebreide analyse te bieden van hoe deze gecombineerde factoren het kankerrisico in de gespecificeerde demografische groep beïnvloeden.
Resultaten en huidige status
Cruciaal is dat dit artikel geen geldige resultaten rapporteert.
Het manuscript is door de auteurs ingetrokken. De verklaring van intrekking vermeldt expliciet een kritiek methodologisch falen:
- Databeperking: Het aantal positieve gevallen (vrouwen met baarmoederkanker) binnen de oorspronkelijke dataset was te klein.
- Statistisch gevolg: Dit tekort aan gevallen leidde tot 重大 gebreken in de statistische analyse.
- Resultaat: Vanwege deze gebreken concludeerden de auteurs dat de bevindingen en conclusies onbetrouwbaar zijn.
Betekenis en standpunt van de auteur
Het artikel claimt geen wetenschappelijke betekenis in de huidige ingetrokken staat. In plaats daarvan geven de auteurs een formele disclaimer:
- Zij willen niet dat dit werk als referentie wordt gebruikt voor enig project.
- Zij erkennen dat de studie de klinische praktijk niet kan sturen of het wetenschappelijk begrip niet kan informeren vanwege de onbetrouwbaarheid van de data-analyse.
- De auteurs benadrukken dat de preprint niet gebruikt mag worden om de klinische praktijk te sturen, in lijn met de standaard disclaimer voor niet-peer-reviewed preprints, maar versterken dit specifief vanwege de interne ontoereikendheid van de data die tot de intrekking heeft geleid.
Samenvattend, hoewel het artikel een innovatieve methodologische aanpak voorstelde voor het bestuderen van het risico op baarmoederkanker, hebben de auteurs het werk zelf ongeldig verklaard door te stellen dat het statistische fundament onvoldoende was om conclusies te ondersteunen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.