Non-Lymphoma Hematological Malignancies in Systemic Lupus Erythematosus
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 0,002 |
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 découle