Pediatric Cutaneous Hematologic Disorders: Cutaneous Lymphoma and Leukemia Cutis—Experience of a Tertiary-Care Pediatric Institution and Review of the Literature
Notice bibliographique
Résumé
Background Cutaneous hematologic malignancies are rare in children, and the literature about them is still sparse. Objective The purpose of our study was to report our experience with pediatric cases of cutaneous hematologic disorders and describe their clinical and histological features. Methods Data were retrospectively collected from the histopathologic database of the CHU Sainte-Justine, University of Montreal, Montreal, Canada. All patients up to 18 years of age with a diagnosis of a primary cutaneous lymphoma (including lymphomatoid papulosis), secondary cutaneous lymphoma or cutaneous manifestations of leukemia, followed from 1980 to 2019 at our center were reviewed. Results Thirty-six patients were included. Age at presentation ranged from birth to 18 years of age (mean 7.83 ± 5.16; median 7.0). Ten different hematologic disorders were identified according to the WHO-EORTC classifications: lymphomatoid papulosis (10 cases), mycosis fungoides (6 cases), anaplastic large cell lymphoma (4 cases), pre-B acute lymphoid leukemia (5 cases), primary cutaneous marginal zone B-cell lymphoma (4 cases), primary cutaneous CD4 + medium T-cell lymphoproliferative disorder (1 case), extranodal NK/T-cell lymphoma (1 case), hydroa vacciniforme-like lymphoproliferative disorder (1 case), B-cell lymphoblastic lymphoma (1 case) and acute myeloid leukemia (3 cases). Conclusion The most common subtype of cutaneous hematologic disease in our single institution study was lymphomatoid papulosis (type A and type C), followed by mycosis fungoides. Recognition of this large clinical and histological spectrum by dermatologists is important because diagnosis is often established by biopsy of skin lesions, even in secondary cutaneous cases. Moreover, the clinicopathological correlation is of utmost importance for the final diagnosis of those pathologies.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».