Characterizing chemotherapy-induced neutropenia and monocytopenia through mathematical modelling
Notice bibliographique
Résumé
Abstract In spite of the recent focus on the development of novel targeted drugs to treat cancer, cytotoxic chemotherapy remains the standard treatment for the vast majority of patients. Unfortunately, chemotherapy is associated with high hematopoietic toxicity that may limit its efficacy. We have previously established potential strategies to mitigate chemotherapy-induced neutropenia (a lack of circulating neutrophils) using a mechanistic model of granulopoiesis to predict the interactions defining the neutrophil response to chemotherapy and to define optimal strategies for concurrent chemotherapy/prophylactic granulocyte colony-stimulating factor (G-CSF). Here, we extend our analyses to include monocyte production by constructing and parameterizing a model of monocytopoiesis. Using data for neutrophil and monocyte concentrations during chemotherapy in a large cohort of childhood acute lymphoblastic leukemia patients, we leveraged our model to determine the relationship between the monocyte and neutrophil nadirs during cyclic chemotherapy. We show that monocytopenia precedes neutropenia by 3 days, and rationalize the use of G-CSF during chemotherapy by establishing that the onset of monocytopenia can be used as a clinical marker for G-CSF dosing post-chemotherapy. This work therefore has important clinical applications as a comprehensive approach to understanding the relationship between monocyte and neutrophils after cyclic chemotherapy with or without G-CSF support.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».