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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».