A diagnostic classifier for pediatric chronic graft-versus-host disease: results of the ABLE/PBMTC 1202 study
Notice bibliographique
Résumé
The National Institutes of Health Consensus criteria for chronic graft-versus-host disease (cGVHD) diagnosis can be challenging to apply in children, making pediatric cGVHD diagnosis difficult. We aimed to identify diagnostic pediatric cGVHD biomarkers that would complement the current clinical criteria and help differentiate cGVHD from non-cGVHD. The Applied Biomarkers of Late Effects of Childhood Cancer (ABLE) study, open at 27 transplant centers, prospectively evaluated 302 pediatric patients after hematopoietic cell transplant (234 evaluable). Forty-four patients developed cGVHD. Mixed and fixed effect regression analyses were performed on diagnostic cGVHD onset blood samples for cellular and plasma biomarkers, with individual markers declared relevant if they met 3 criteria: an effect ratio ≥1.3 or ≤0.75; an area under the curve (AUC) of ≥0.60; and a P value <5.814 × 10-4 (Bonferroni correction) (mixed effect) or <.05 (fixed effect). To address the complexity of cGVHD diagnosis in children, we built a machine learning-based classifier that combined multiple cellular and plasma biomarkers with clinical factors. Decreases in regulatory natural killer cells, naïve CD4 T helper cells, and naïve regulatory T cells, and elevated levels of CXCL9, CXCL10, CXCL11, ST2, ICAM-1, and soluble CD13 (sCD13) characterize the onset of cGVHD. Evaluation of the time dependence revealed that sCD13, ST2, and ICAM-1 levels varied with the timing of cGVHD onset. The cGVHD diagnostic classifier achieved an AUC of 0.89, with a positive predictive value of 82% and a negative predictive value of 80% for diagnosing cGVHD. Our polyomic approach to building a diagnostic classifier could help improve the diagnosis of cGVHD in children but requires validation in future prospective studies. This trial was registered at www.clinicaltrials.gov as #NCT02067832.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».