Who is the better donor for older hematopoietic transplant recipients: an older-aged sibling or a young, matched unrelated volunteer?
Notice bibliographique
Résumé
Older patients are increasingly undergoing allogeneic hematopoietic transplantation. A relevant question is whether outcomes can be improved with a younger allele-level 8/8 HLA-matched unrelated donor (MUD) rather than an older HLA-matched sibling (MSD). Accordingly, transplants in leukemia/lymphoma patients age ≥50 years were analyzed comparing outcomes for recipients of MSD ≥50 (n = 1415) versus MUD <50 years (n = 757). Risks of acute graft-versus-host disease (GVHD) grade 2 to 4 (hazard ratio [HR], 1.63; P < .001), 3 to 4 (HR, 1.85; P < .001), and chronic GVHD (HR, 1.48; P < .0001) were higher after MUD compared with MSD transplants. The effect of donor type on nonrelapse mortality (NRM), relapse, and overall mortality was associated with performance score. For patients with scores of 90 or 100, NRM (HR, 1.42; P = .001), relapse (HR, 1.45; P < .001), and overall mortality (HR, 1.28; P = .001) risks were higher after MUD transplants. For patients with scores below 90, NRM (HR, 0.96; P = .76), relapse (HR, 0.86; P = .25), and overall mortality (HR, 0.90; P = .29) were not significantly different after MUD and MSD transplants. These data favor an MSD over a MUD in patients age ≥50 years.
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 | 0,000 | 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 | 0,000 |
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 ».