Predictors of bony morbidity in children with acute lymphoblastic leukemia
Notice bibliographique
Résumé
BACKGROUND: To evaluate the relationship between lumbar spine (LS) bone mineral density (BMD) and patient-, disease-, and therapy-related variables, and to define the risk-factors for fractures in children receiving therapy on Dana-Farber Cancer Institute acute lymphoblastic leukemia (ALL) protocols. METHODS: Children (≤18 years) diagnosed with ALL during the period 1995-2006, who are in first clinical remission, were included (n = 124). Dual-energy X-ray absorptiometry provided LS-BMD at diagnosis (n = 46) and during continuation therapy. LS-BMD was expressed as Z scores based on local population norms. Regression analyses evaluated the risk of osteopenia (Z-score -1.01 to -1.99, osteoporosis (Z-score -2.00 or less) and fractures. RESULTS: At diagnosis, 14 0f 46 (30%) patients had osteopenia and 5 (11%) had osteoporosis; whereas, during continuation therapy, 47 of 124 (39.5%) patients had osteopenia, and 10 (8%) had osteoporosis. LS-BMD at diagnosis had a positive linear relationship with LS-BMD during continuation therapy (Pearson correlation coefficient 0.619, P < 0.0001). Multivariable analyses identified age ≥10 years and LS-BMD at diagnosis as independent predictors of LS-BMD during continuation therapy. Twenty-three (18.5%) patients developed fractures. Dexamethasone therapy (OR 3.4, 95% CI 1.31, 7.52, P = 0.01) and lower LS-BMD during the continuation therapy (OR 1.8, 95% CI 1.2, 2.8, P = 0.01) were independent predictors of fracture. CONCLUSIONS: Older age and lower LS-BMD at diagnosis are predictors of lower LS-BMD during continuation therapy. Dexamethasone and lower LS-BMD during continuation therapy are associated with fractures. Using these variables it is feasible to develop a predictor model to define the risk of bony morbidity in children receiving ALL therapy.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».