Validation of a predictive model for identifying an increased risk for thromboembolism in children with acute lymphoblastic leukemia: results of a multicenter cohort study
Notice bibliographique
Résumé
Among risk factors for developing thromboembolism (VTE) in children with acute lymphoblastic leukemia were Escherichia coli asparaginase, concomitant steroid use, presence of central venous lines, and thrombophilic abnormalities. Developing a predictive model for determining children at increased risk would be beneficial in targeting interventional studies to high-risk groups (HRGs). Predictive variables were incorporated into a risk assessment model, which was evaluated in 456 children and then validated in 339 patients. VTE risk by score was no greater than 2.5 for low-risk group (LRG) and greater than 2.5 for HRG. VTE rates at 3.5 months (validation cohorts) were 2.5% in LRG and 64.7% in HRG. In multivariate analysis adjusted for age, duration of asparaginase administration, enoxaparin prophylaxis, and T-immunophenotype, the HRG was significantly associated with VTE compared with the LRG (hazard/95% confidence interval [CI], 8.22/1.85-36.53). Model specificity was 96.2% and sensitivity was 63.2%. As secondary objective we investigated the use of enoxaparin for VTE prophylaxis in the HRG. HRG patients without enoxaparin prophylaxis showed a significantly reduced thrombosis-free survival compared with children on low-molecular-weight heparin (LMWH). On the basis of the high specificity, the model may identify children with leukemia at risk of VTE. LMWH may help prevent VTE in the HRG; this warrants assessment in larger cooperative clinical trials.
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 | 0,001 | 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) | 0,000 | 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 ».