Non-Lymphoma Hematological Malignancies in Systemic Lupus Erythematosus
Notice bibliographique
Résumé
OBJECTIVE: To describe non-lymphoma hematological malignancies in systemic lupus erythematosus (SLE). METHODS: A large SLE cohort was linked to cancer registries. We examined the types of non-lymphoma hematological cancers. RESULTS: In 16,409 patients, 115 hematological cancers [including myelodysplastic syndrome (MDS)] occurred. Among these, 33 were non-lymphoma. Of the 33 non-lymphoma cases, 13 were of lymphoid lineage: multiple myeloma (n = 5), plasmacytoma (n = 3), B cell chronic lymphocytic leukemia (B-CLL; n = 3), precursor cell lymphoblastic leukemia (n = 1) and unspecified lymphoid leukemia (n = 1). The remaining 20 cases were of myeloid lineage: MDS (n = 7), acute myeloid leukemia (AML; n = 7), chronic myeloid leukemia (CML; n = 2) and 4 unspecified leukemias. Most of these malignancies occurred in female Caucasians, except for plasma cell neoplasms (4/5 multiple myeloma and 1/3 plasmacytoma cases occurred in blacks). CONCLUSIONS: In this large SLE cohort, the most common non-lymphoma hematological malignancies were myeloid types (MDS and AML). This is in contrast to the general population, where lymphoid types are 1.7 times more common than myeloid non-lymphoma hematological malignancies. Most (80%) multiple myeloma cases occurred in blacks; this requires further investigation.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».