Refined hepatic grading system in chronic graft‐versus‐host disease improves prognostic risk stratification of long‐term outcomes
Notice bibliographique
Résumé
OBJECTIVES: Hepatic grading systems for categorizing severity in chronic graft-versus-host disease (cGvHD) were determined arbitrarily, leading us to initiate the present study to provide objective evidence for the determination of optimal cutoff values and devise a hepatic grading system to predict prognosis. METHODS: Of 842 patients who received allogeneic hematopoietic stem transplant (HCT), 336 patients diagnosed with cGvHD were evaluated for overall survival (OS) and non-relapse mortality (NRM) after cGVHD development. Multiple statistical parameters were evaluated to define optimal cutoff values of liver profile, including negative predictive value (NPV), positive predictive value (PPV), accuracy, and p-values as measures of risk stratification power. RESULTS: We found that alkaline phosphatase (ALP) ≥ 146 IU/L (NPV: 83.4%; PPV: 32.8%; accuracy: 52.7%) and bilirubin ≥ 14 µmol/L (NPV: 81.8%; PPV: 39.4%; accuracy 68.1%) significantly correlated with OS. We developed a refined hepatic cGvHD grading score (RHS), stratifying patients into a low-RHS group with RHS score 0, OS at 3 years (n = 162) to 80.5%, compared to high-RHS group with score 1-2 (n = 172) 62.7%. Regarding NRM, score 0 segregated NRM at 3 years to 11.9%, compared with score 1-2 19.6%, P = .1. CONCLUSIONS: Refined hepatic score is promising for stratifying patients with cGVHD and liver involvement according to long-term outcomes.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».