MétaCan
Menu
← Retour à la cohorte
Enregistrement W3032239860 · doi:10.1200/jco.2020.38.15_suppl.e19538

A population-based study of chronic neutrophilic leukemia in the United States: 2004 to 2015.

2020· article· en· W3032239860 sur OpenAlexaff
Gordon Ruan, Caleb J. Smith, Courtney N. Day, William S. Harmsen, Darci Zblewski, Hassan B. Alkhateeb, Aref Al‐Kali, Mark R. Litzow, William J. Hogan, Natasha Szuber, Naseema Gangat, Mrinal M. Patnaik, Animesh Pardanani, Michelle A. Elliott, Ayalew Tefferi, Ronald S. Go, Mithun Vinod Shah

Notice bibliographique

RevueJournal of Clinical Oncology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Myeloid Leukemia Research
Établissements canadiensHôpital du Sacré-Cœur de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineInterquartile rangeHazard ratioInternal medicineConfidence intervalIncidence (geometry)Proportional hazards modelPopulationEpidemiologySurvival analysisUnivariate analysisSurveillance, Epidemiology, and End ResultsSurgeryCancer registryMultivariate analysis

Résumé

récupéré en direct d'OpenAlex

e19538 Background: Chronic neutrophilic leukemia (CNL) is a rare and aggressive myeloproliferative neoplasm with poor survival. No standard of care exists. Case reports describe allogeneic stem cell transplantation (ASCT) as the only curative therapy. Using the National Cancer Database (NCDB), we studied prognostic factors and survival outcomes of CNL. Methods: Patients diagnosed in 2004-2015 were included. 9963/3 was the ICD-O-3 code. Overall survival (OS) was analyzed using the Kaplan-Meier method. Hazard ratios (HR) with confidence intervals (CI) were calculated using Cox proportional hazards model. Variables significant in univariate analysis were included in a multivariate analysis. Data on incidence was obtained from the Surveillance, Epidemiology, and End Results Program (SEER) 21 Registries (2004-2015). The analysis was done with SEER*Stat software. Incidence was age-adjusted to the U.S. 2000 standard population. Results: A total of 121 CNL patients were in NCDB. The median age at diagnosis was 70 years (range 21-90); 74 (61%) were males and 107 (88%) were ≥ 50 years. The median follow up time was 5.8 years (interquartile range [IQR] 2.9-7.4). 32 (26%) had a Charlson Deyo score (CDS) > 1. 80 (70%) had government insurance, while 34 (30%) had private insurance. Median OS was 2.2 years (IQR 0.8-6.7). OS was 70% at 1 year, 29% at 5 years, and 11% at 10 years. The year of diagnosis was not associated with improved OS (HR: 0.95 (95% CI: 0.88-1.02), p =0.14). 71 (59%) patients received chemotherapy. The median time to chemotherapy from the day of diagnosis was 15 days (IQR 7-35). The OS of those who received chemotherapy was 71% at 1 year and 27% at 5 years versus 69% and 32% at 1- and 5- years for those who did not ( p= 0.38). 2 patients received ASCT (age 52 and 61 years) as initial therapy and both were alive at 5 years. Factors predicting inferior OS on univariate analysis were age ≥ 50 years at diagnosis ( p= 0.005), male ( p< 0.001), CDS > 1 ( p= 0.038), and government insurance ( p= 0.004). The table shows the multivariate (MV) analysis. The overall incidence of CNL was 0.1 cases/1,000,000 individuals and did not change significantly from 2004-2015. The incidences by male, female, White, Black, and American Indian/Alaska Native were also 0.1 cases/1,000,000 individuals. Conclusions: OS and incidence of CNL have not changed over the years. Age ≥ 50 years, male gender, and use of government insurance predicted inferior OS. [Table: see text]

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,027
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,144
Tête enseignante GPT0,487
Écart entre enseignants0,343 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetAcute Myeloid Leukemia Research→Travaux en français237 207→