MétaCan
Menu
← Retour à la cohorte
Enregistrement W2558464910 · doi:10.1182/blood.v108.11.5222.5222

Impact of Disease and Mobilizing Agents on Initial and Remobilization Failure.

2006· article· en· W2558464910 sur OpenAlexaff
John F. DiPersio, Angela Smith, Dianne Sempek, Albert Baker, Steven Jiang, Ravi Vij, Amanda F. Cashen, Peter Westervelt

Notice bibliographique

RevueBlood · 2006
Typearticle
Langueen
DomaineMedicine
ThématiqueLymphoma Diagnosis and Treatment
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineMultiple myelomaAutologous stem-cell transplantationInternal medicineTransplantationRegimenMobilizationPopulationGastroenterologyChemotherapyGranulocyte colony-stimulating factorSurgeryApheresisOncology

Résumé

récupéré en direct d'OpenAlex

Abstract Background: High-dose chemotherapy with autologous stem cell transplantation (ASCT) is a widely used treatment strategy in lymphoma and myeloma; however, no standard approach for the mobilization of peripheral hematologic stem and progenitor cells (HSPCs) has been established. Levels of circulating CD34+ cells, a surrogate marker for mobilization efficiency, vary widely between pts, and may be influenced by disease state, prior therapy, and/or mobilization regimen. Methods: The Washington University (St. Louis, MO) transplantation database includes clinical parameters from 407 multiple myeloma (MM), 562 non-Hodgkin’s Lymphoma (NHL), and 164 Hodgkin’s disease (HD) pts who received an ASCT between 1995 and 2006. A retrospective analysis of this large (1133 pts) population was conducted to determine factors associated with mobilization efficiency. Mobilization failure was defined as collection of < 2 × 10^6 CD34+ cells/kg within 5 apheresis days. Statistical analysis included analysis of variance (ANOVA) with Scheffe Test to determine differences in mobilization between the various mobilization regimens (G-CSF, G-CSF/chemotherapy, G-/GM-CSF, G-CSF/AMD3100). Results: All pts were included in the analysis; 87% received G-CSF alone as the initial mobilization regimen. Mobilization failure rates are summarized in Table 1. NHL and HD pts had an approx. 4-fold higher failure rate than MM pts. The combination of G-CSF with chemotherapy increased the median CD34+ yield compared to G-CSF alone, although no obvious impact on the failure rate was noted in this relatively small group of pts. Remobilization was associated with high failure rates in NHL (79.2%), HD (77.1%), and MM (73.3%). Pooled collections were <2 × 10^6 CD34+/kg in 33.6%, 37.1%, and 36.7% of failed mobilizers, respectively. ANOVA analysis indicated a significant difference in outcome based on remobilization regimen. A post hoc comparison using the Scheffe Test determined that G-CSF mobilization failures remobilized with G-CSF plus AMD3100 collected significantly more CD34+ cells than G-CSF-failures remobilized with either G-CSF, G/GM-CSF or G-CSF/chemo (1-way ANOVA: F(3, 233) = 27.878, F0.5(3, 233).05 = 2.643, p < .0001). The compared groups did not significantly differ in initial mobilization efficiency with G-CSF (as determined by ANOVA and Scheffe Test). Conclusions: The mobilization failure rate is substantially higher in NHL and HD pts than MM pts. Pts who fail initial mobilization are highly likely to fail a 2nd mobilization, regardless of disease state. As the combination of chemotherapy to G-CSF may not be sufficient to reduce failure rates, alternative mobilization strategies are needed to improve HSPC collection, particularly in NHL/HD pts and failed mobilizers. First mobilization failure rates (< 2×10^6 CD34+/kg) Mobilization regimen N Failures Median yield (×10^6) 95% C.I (×10^6) * Incl. pts mobilized w. alternative regimens NHL G-CSF 471 26.5% 2.89 2.76–3.04 G-CSF/Chemo 35 22.9% 4.68 2.8–8.53 All* 564 28.7% HD G-CSF 130 26.2% 3.01 2.75–3.37 G-CSF/Chemo 12 16.7% 5.38 2.35–9.52 All* 165 24.8% MM G-CSF 386 6.5% 4.62 4.16–4.98 G-CSF/Chemo 17 5.9% 8.52 4.46–16.3 All* 409 6.6%

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,293
Écart entre enseignants0,278 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBlood→Même sujetLymphoma Diagnosis and Treatment→Travaux en français237 207→