Disease monitoring with quantitative serum IgA levels provides a more reliable response assessment in multiple myeloma patients
Notice bibliographique
Résumé
Unlike IgG monoclonal proteins (MCPs), IgA MCP quantification is unreliable due to beta-migration of IgA MCPs on serum protein electrophoresis (SPEP). The utility of nephelometric quantitative IgA (qIgA) to monitor IgA multiple myeloma (MM) is unclear. We retrospectively studied disease response kinetics using qIgA versus MCPs by SPEP, and developed and validated novel qIgA disease assessment criteria in 491 IgA MM patients. The SPEP MCP nadir occurred a median of 41 (IQR 0-102) days before the qIgA. The median time to achieve a partial response (PR) was shorter using standard IMWG versus qIgA response criteria (32 vs 58 days, p < 0.001). Stratification by qIgA criteria, unlike IMWG criteria, led to clear separation of the progression-free survival curves of patients achieving a PR or very good PR. There was a consistent trend toward earlier detection of disease progression using qIgA versus IMWG progression criteria. In conclusion, monitoring IgA MM using MCP-based IMWG criteria may be falsely reassuring, given that MCP levels on SPEP decrease faster than qIgA levels. The qIgA response criteria more accurately stratify patients based on the progression risk and may detect disease progression earlier, which may lead to more consistent measurement of trial endpoints and improved patient 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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».