Childhood Acute Myeloid Leukemia: An Indian Perspective
Notice bibliographique
Résumé
Cure rates of childhood malignancies are inferior in India as compared to developed nations. There is paucity of data addressing outcome of childhood acute myeloid leukemia (AML) from India. Hence, this study was designed to assess the outcome of childhood AML in India over the last 2 decades, identify shortcomings and suggest remedial measures. A comprehensive search to identify studies addressing outcome of childhood AML from India was carried out. International Society of Paediatric Oncology annual meeting abstracts were searched to identify unpublished data. Clinicodemographic and outcome data were extracted from these abstracts. Outcomes of <500 patients have been published to date, with predominantly small single-center series from 5 cities. Several AML protocols with modifications to suit the logistics in India have been used. Administration of chemotherapy (standard as well as oral and outpatient based) with manageable toxicity has been deemed feasible. Survival outcomes are modest (23% to 53.8%) except for AML M3 (over 80%), with high early-death rates, relapse, along with abandonment. Few series have identified prognostic parameters and disease burden at diagnosis, and used cytogenetics (for risk stratification) or bone marrow transplant (BMT). There is a need for assessment of risk factors in Indian patients; administration of adequate and appropriate therapy, both upfront and after relapse; improvement in supportive care; and national data management infrastructure with updating/monitoring of registries along with better financial and social support initiatives. These multimodal and additive remedial measures could significantly improve outcome of childhood AML in India by reducing mortality, relapse, and abandonment.
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 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 | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».