Impact of genomic risk factors on outcome after hematopoietic stem cell transplantation for patients with chronic myeloid leukemia
Notice bibliographique
Résumé
BACKGROUND: Non-HLA gene polymorphisms have been shown to influence outcome after allogeneic hematopoietic stem cell transplantation. Results were derived from heterogeneous, small populations and their value remains a matter of debate. DESIGN AND METHODS: In this study, we assessed the effect of single nucleotide polymorphisms in genes for interleukin 1 receptor antagonist (IL1RN), interleukin 4 (IL4), interleukin 6 (IL6), interleukin 10 (IL10), interferon (IFNG), tumor necrosis factor (TNF) and the cell surface receptors tumor necrosis factor receptor II (TNFRSFIB), vitamin D receptor (VDR) and estrogen receptor alpha (ESR1) in a homogeneous cohort of 228 HLA identical sibling transplants for chronic myeloid leukemia. Three good predictors of overall survival, identified via statistical methods including Cox regression analysis, were investigated for their effects on transplant-related mortality and relapse. Predictive power was assessed after integration into the established European Group for Blood and Marrow Transplantation (EBMT) risk score. RESULTS: Absence of patient TNFRSFIB 196R, absence of donor IL10 ATA/ACC and presence of donor IL1RN allele 2 genotypes were associated with increased transplantation-related mortality and decreased survival. Application of prediction error and concordance index statistics gave evidence that integration improved the EBMT risk score. CONCLUSIONS: Non-HLA genotypes were associated with survival after allogeneic hematopoietic stem cell transplantation. When three genetic polymorphisms were added into the EBMT risk model they improved the goodness of fit. Non-HLA genotyping could, therefore, be used to improve donor selection algorithms and risk assessment prior to allogeneic hematopoietic stem cell transplantation.
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) | 0,000 | 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 ».