Impact of Risk-Stratified Therapy on Health Status in Survivors of Childhood Acute Lymphoblastic Leukemia: A Report from the Childhood Cancer Survivor Study
Notice bibliographique
Résumé
Abstract Background: Prior studies have identified that survivors of childhood acute lymphoblastic leukemia (ALL) report poor health status. It is unknown how risk-stratified therapy impacts the health status of ALL survivors. Methods: We estimated and compared the prevalence of self-reported poor health status among adult (≥18 years) survivors of childhood ALL diagnosed at age <21 years from 1970 to 1999 and sibling controls, excluding proxy reports. Therapy combinations defined treatment groups representative of 1970s therapy (70s), standard- and high-risk 1980s and 1990s therapy (80sSR, 80sHR, 90sSR, 90sHR), and relapse/bone marrow transplant (R/BMT). Log-binomial models, adjusted for clinical and demographic factors, compared outcomes between groups using prevalence ratios (PR) with 95% confidence intervals (CI). Results: Among 5,119 survivors and 4,693 siblings, survivors were more likely to report poor health status in each domain including poor general health (13.5% vs. 7.4%; PR = 1.92; 95% CI, 1.69–2.19). Compared with 70s, 90sSR and 90sHR were less likely to report poor general health (90sSR: PR = 0.75; 95% CI, 0.57–0.98; 90sHR: PR = 0.58; 95% CI, 0.39–0.87), functional impairment (90sSR: PR = 0.56; 95% CI, 0.42–0.76; 90sHR: PR = 0.63; 95% CI, 0.42–0.95), and activity limitations (90sSR: 0.61; 95% CI, 0.45–0.83; 90sHR: PR = 0.59; 95% CI, 0.38–0.91). An added adjustment for chronic conditions in multivariable models partially attenuated 90sSR risk estimates. Conclusions: Risk-stratified ALL therapy has succeeded in reducing risk for poor general health, functional impairment, and activity limitations among more recent survivors of standard- and high-risk therapy. Impact: Future research into the relationship between risk-stratified therapy, health status, and late health outcomes may provide new opportunities to further improve late morbidity among survivors.
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 | 0,001 | 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 | 0,000 | 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 ».