MétaCan
Menu
Retour à la cohorte
Enregistrement W2811073750 · doi:10.1111/ijlh.12882

Recent advances in cytogenetic characterization of multiple myeloma

2018· review· en· W2811073750 sur OpenAlexaff
Debra Saxe, Eul‐Ju Seo, Mélanie Beaulieu Bergeron, Jin‐Yeong Han

Notice bibliographique

RevueInternational Journal of Laboratory Hematology · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueMultiple Myeloma Research and Treatments
Établissements canadiensChildren's Hospital of Eastern OntarioUniversity of Ottawa
Organismes subventionnairesDong-A University
Mots-clésMultiple myelomaFluorescence in situ hybridizationCytogeneticsRisk stratificationBone marrowMicroarrayMedicinePathologyOncologyBioinformaticsBiologyInternal medicineComputational biologyGeneGeneticsChromosomeGene expression

Résumé

récupéré en direct d'OpenAlex

The detection of cytogenetic abnormalities in multiple myeloma (MM) has received more importance over last years for risk stratification and the new risk-adapted treatment strategies. Conventional G-banding analysis should be included in a routine procedure for the initial diagnostic workup for patients suspected of MM. However, the detection of chromosomal abnormalities in MM by conventional cytogenetics is limited owing to the low proliferative activity of malignant plasma cells as well as the low number of plasma cells in bone marrow specimens. Fluorescence in situ hybridization (FISH) or microarray-based technologies can overcome some of those drawbacks and detect specific target arrangements as well as chromosomal copy number changes. In this review, we will discuss different cytogenetic approaches and compare their strength and weakness to provide genetic information for risk stratification and prediction of outcome in MM patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,984
Score d'incertitude au seuil0,718

Scores Codex et Gemma par catégorie

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

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 Opus0,044
Tête enseignante GPT0,393
Écart entre enseignants0,349 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations74
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Laboratory HematologyMême sujetMultiple Myeloma Research and TreatmentsTravaux en français237 207