Healthcare resource utilization trends in patients with acute myeloid leukemia ineligible for intensive chemotherapy receiving first‐line systemic treatment or best supportive care: A multicenter international study
Notice bibliographique
Résumé
OBJECTIVES: This retrospective chart review examined real-world healthcare resource utilization (HRU) in patients with AML ineligible for intensive therapy who received first-line systemic therapy or best supportive care (BSC). METHODS: Data were collected anonymously on patients with AML who initiated first-line hypomethylating agents (HMA), low-dose cytarabine (LDAC), other systemic therapy, or BSC. HRU endpoints included hospitalizations, outpatient consultations, transfusions, and supportive care. RESULTS: Of 1762 patients included, 46% received HMA, 11% received LDAC, 17% received other systemic therapy, 26% received BSC; median treatment durations were 118, 35, 33, and 57 days, respectively. Most patients were hospitalized, most commonly for treatment administration, transfusion, or infection (HMA 82%, LDAC 93%, other systemic therapy 83%, BSC 83%). A median number of hospitalizations were 2-6 across systemic groups and two for BSC, with median durations of 8-18 days. Transfusion rates and outpatient consultations were highest for HMA (80% and 79%) versus LDAC (57% and 53%), other systemic therapy (57% and 63%), and BSC (71% and 66%). Antivirals/antibiotics and antifungals were used more frequently than growth factors (72-92%, 34-63%, and 7-27%, respectively). CONCLUSION: Patients with AML ineligible for intensive therapy have high HRU; novel therapies are needed to alleviate this burden.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».