Non-Hodgkin lymphoma and pre-existing conditions: spectrum, clinical characteristics and outcome in 213 children and adolescents
Notice bibliographique
Résumé
Children and adolescents with pre-existing conditions such as DNA repair defects or other primary immunodeficiencies have an increased risk of non-Hodgkin lymphoma. However, large-scale data on patients with non-Hodgkin lymphoma and their entire spectrum of pre-existing conditions are scarce. A retrospective multinational study was conducted by means of questionnaires sent out to the national study groups or centers, by the two largest consortia in childhood non-Hodgkin lymphoma, the European Intergroup for Childhood non-Hodgkin Lymphoma, and the international Berlin-Frankfurt-Münster Study Group. The study identified 213 patients with non-Hodgkin lymphoma and a pre-existing condition. Four subcategories were established: a) cancer predisposition syndromes (n=124, 58%); b) primary immunodeficiencies not further specified (n=27, 13%); c) genetic diseases with no increased cancer risk (n=40, 19%); and d) non-classifiable conditions (n=22, 10%). Seventy-nine of 124 (64%) cancer predispositions were reported in groups with more than 20 patients: ataxia telangiectasia (n=32), Nijmegen breakage syndrome (n=26), constitutional mismatch repair deficiency (n=21). For the 151 patients with a known cancer risk, 5-year event-free survival and overall survival rates were 40%±4% and 51%±4%, respectively. Five-year cumulative incidences of progression/relapse and treatment-related death as a first event were 22%±4% and 24%±4%, respectively. Ten-year incidence of second malignancy was 24%±5% and 7-year overall survival of the 21 patients with a second malignancy was 41%±11%. Patients with non-Hodgkin lymphoma and pre-existing conditions have an inferior survival rate with a large proportion of therapy-related deaths compared to patients with non-Hodgkin lymphoma and no pre-existing conditions. They may require special vigilance when receiving standard or modified/reduced-intensity chemotherapy or when undergoing allogeneic 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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».