Role of radiotherapy and chemotherapy in the risk of leukemia after childhood cancer: An international pooled analysis
Notice bibliographique
Résumé
Childhood cancer survivors are at increased risk for second primary leukemia (SPL), but there is little consensus on the magnitude of some risk factors because of the small size of previous studies. We performed a pooled analysis of all published studies with detailed treatment data, including estimated active bone marrow (ABM) dose received during radiation therapy and doses of specific chemotherapeutic agents for childhood cancer diagnosed from 1930 through 2000, in order to more thoroughly investigate treatment-related risks of SPL. A total of 147 SPL cases (of which 69% were acute myeloid leukemia [AML]) were individually matched to 522 controls, all from four case-control studies including patients from six countries (France, United Kingdom, United States, Canada, Italy and Netherlands). Odds ratios (OR) and corresponding 95% confidence intervals (CIs) were calculated using conditional logistic regression, and the excess OR per Gray (EOR/Gy) was also calculated. After accounting for the other therapies received, topoisomerase II inhibitor was associated with an increased SPL risk (highest tertile vs none: OR = 10.0, 95% CI: 3.7-27.3). Radiation dose to the ABM was also associated with increased SPL risk among those not receiving chemotherapy (EOR/Gy = 1.6, 95% CI: 0.1-14.3), but not among those who received chemotherapy (CT). SPL were most likely to occur in the first decade following cancer treatment. Results were similar when analyses were restricted to AML. The evidence of interaction between radiation and CT has implications for leukemogenic mechanism. The results for topoisomerase II inhibitors are particularly important given their increasing use to treat childhood cancer.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».