Prognostic Markers for Myeloid Neoplasms
Notice bibliographique
Résumé
Myeloid neoplasms include cancers associated with both rapid (acute myeloid leukemias) and gradual (myelodysplastic syndromes and myeloproliferative neoplasms) disease progression. Percentage of blast cells in marrow is used to separate acute (rapid) from chronic (gradual) and is the most consistently applied prognostic marker in veterinary medicine. However, since there is marked variation in tumor progression within groups, there is a need for more complex schemes to stratify animals into specific risk groups. In people with acute myeloid leukemia (AML), pretreatment karyotyping and molecular genetic analysis have greater utility as prognostic markers than morphologic and immunologic phenotypes. Karyotyping is not available as a prognostic marker for AML in dogs and cats, but progress in molecular genetics has created optimism about the eventual ability of veterinarians to discern conditions potentially responsive to medical intervention. In people with myelodysplastic syndromes (MDS), detailed prognostic scoring systems have been devised that use various combinations of blast cell percentage, hematocrit, platelet counts, unilineal versus multilineal cytopenias and dysplasia, karyotype, gender, age, immunophenotype, transfusion dependence, and colony-forming assays. Predictors of outcome for animals with MDS have been limited to blast cell percentage, anemia versus multilineal cytopenias, and morphologic phenotype. Prognostic markers for myeloproliferative neoplasms (eg, polycythemia vera, essential thrombocythemia) include clinical and hematological factors and in people also include cytogenetics and molecular genetics. Validation of prognostic markers for myeloid neoplasms in animals has been thwarted by the lack of a large case series that requires cooperation across institutions and veterinary specialties. Future progress requires overcoming these barriers.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».