Testing Mayo Clinic’s New 20/20/20 Risk Model in Another Cohort of Smoldering Myeloma Patients: A Retrospective Study
Notice bibliographique
Résumé
Background—smoldering multiple myeloma (SMM) risk of progression to multiple myeloma (MM) is highly heterogeneous and several models have been suggested to predict this risk. Lakshman et al. recently proposed a model based on three biomarkers: bone marrow plasma cell (BMPC) percentage > 20%, free light chain ratio (FLCr) > 20 and serum M protein > 20 g/L. The goal of our study was to test this “20/20/20” model in our population and to determine if similar results could be obtained in another cohort of SMM patients. Method—we conducted a retrospective, single center study with 89 patients diagnosed with SMM between January 2008 and December 2019. Results—all three tested biomarkers were associated with an increased risk of progression: BMPC percentage ≥ 20% (hazard ratio [HR]: 4.28 [95%C.I., 1.90–9.61]; p < 0.001), serum M protein ≥ 20 g/L (HR: 4.20 [95%C.I., 1.90–15.53]; p = 0.032) and FLCr ≥ 20 (HR: 3.25 [95%C.I., 1.09–9.71]; p = 0.035). The estimated median time to progression (TTP) was not reached for the low and intermediate risk groups and was 29.1 months (95%C.I., 3.9–54.4) in the high-risk group (p = 0.006). Conclusions—the 20/20/20 risk stratification model adequately predicted progression in our population and is easy to use in various clinical settings.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».