MétaCan
Menu
← Retour à la cohorte
Enregistrement W3212899144 · doi:10.1182/blood-2021-147376

Decision Analysis of Allogeneic Stem Cell Transplantation for Primary Myelofibrosis

2021· article· en· W3212899144 sur OpenAlexaff
Christopher Cipkar, Srishti Kumar, Kednapa Thavorn, Natasha Kekre

Notice bibliographique

RevueBlood · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueMyeloproliferative Neoplasms: Diagnosis and Treatment
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMyelofibrosisMedicineCohortTransplantationRuxolitinibNatural historyInternal medicinePediatricsOncologyBone marrow

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction: Primary myelofibrosis (PMF) is a chronic myeloproliferative neoplasm characterized by cytopenias, splenomegaly and a risk of leukemic transformation. In light of newer therapies such as ruxolitinib that are not curative but can improve quality of life, the timing of transplant needs more in-depth analysis to determine which patients would benefit from an early versus delayed transplant strategy. Methods: We developed a Markov cohort model to simulate the long-term disease trajectory in patients with PMF and predict the optimal timing of transplant stratified by a Dynamic International Prognostic Scoring System (DIPSS) risk. Our model consisted of five health states including alive with PMF, alive after leukemic transformation, alive after transplant, alive after relapse and death. Transition probabilities between health states were acquired from published literature on the natural history of the disease and outcomes following transplantation. The model was run over a patient's lifetime until all patients transitioned to the death state. We used a cycle length of one-month to represent the natural progression of PMF. The structure of the Markov model is delineated in Figure 1. In this decision model, a hypothetical cohort of patients begins in the Alive-PMF state and can transition after each monthly cycle to other health states. Patients could remain in an alive state for any number of cycles without transitioning to another health state, indicated by the arrow wheels. We performed probabilistic analyses by jointly varying all model parameters over 1000 simulations and calculated 95% confidence intervals (CI) for the model outcome. Results: Regardless of DIPSS risk, all patients with PMF benefited from a transplant with respect to life expectancy gained (Figure 2). Life expectancy gains from a transplant among patients with high-risk disease peak at 9.7 months (95% CI: 9.5-9.9) from diagnosis, while patients with intermediate-2 disease have a peak gain in life expectancy at 16.6 months (95% CI: 16.4-16.8). Intermediate-1 DIPSS risk patients have a more delayed time frame where the net gain in life expectancy from transplant begins to slow at 20.5 months (95% CI: 20.2-20.7). Patients with low risk DIPSS had greater net gain in life expectancy the longer transplant was delayed; this trend plateaued at 29 to 45 months, when thereafter net gain in life expectancy begins to be lost (Figure 1). Conclusion: Our modeling suggests that transplant processes including donor selection and pre-transplant work-up are indicated upfront for patients diagnosed with intermediate-2 and high risk PMF, while this can be delayed for patients with low or intermediate-1 risk disease. This model should provide clinicians with guidance on when to refer eligible patients with PMF for transplantation. Figure 1 Figure 1. Disclosures Kekre: Novartis: Consultancy, Honoraria; Gilead: Consultancy, Honoraria; Celgene: Consultancy, Honoraria.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,261
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBlood→Même sujetMyeloproliferative Neoplasms: Diagnosis and Treatment→Travaux en français237 207→