MétaCan
Menu
Retour à la cohorte
Enregistrement W4380740721 · doi:10.1200/jco.23.00570

Relapse Timing Is Associated With Distinct Evolutionary Dynamics in Diffuse Large B-Cell Lymphoma

2023· article· en· W4380740721 sur OpenAlexaff
Laura K. Hilton, Henry S. Ngu, Brett Collinge, Kostiantyn Dreval, Susana Ben‐Neriah, Christopher Rushton, Jasper Wong, Manuela Cruz, Andrew Roth, Merrill Boyle, Barbara Meissner, Graham W. Slack, Pedro Farinha, Jeffrey W. Craig, Alina S. Gerrie, Ciara L. Freeman, Diego Villa, Judith Anula Rodrigo, Kevin Song, Michael Crump, Lois E. Shepherd, Annette E. Hay, John Kuruvilla, Kerry J. Savage, Robert Kridel, Aly Karsan, Marco A. Marra, Laurie H. Sehn, Christian Steidl, Ryan D. Morin, David W. Scott

Notice bibliographique

RevueJournal of Clinical Oncology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueLymphoma Diagnosis and Treatment
Établissements canadiensUniversity Health NetworkVancouver General HospitalTerry Fox Research InstituteCanada's Michael Smith Genome Sciences CentreUniversity of British ColumbiaQueen's UniversitySpinal Cord Injury BCPrincess Margaret Cancer CentreSimon Fraser University
Organismes subventionnairesNational Cancer Institute
Mots-clésMedicineConcordanceOncologyCohortDiffuse large B-cell lymphomaExome sequencingInternal medicineSomatic evolution in cancerAutologous stem-cell transplantationExomePopulationLymphomaBiopsyCancerMutationGeneBiology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Diffuse large B-cell lymphoma (DLBCL) is cured in more than 60% of patients, but outcomes remain poor for patients experiencing disease progression or relapse (refractory or relapsed DLBCL [rrDLBCL]), particularly if these events occur early. Although previous studies examining cohorts of rrDLBCL have identified features that are enriched at relapse, few have directly compared serial biopsies to uncover biological and evolutionary dynamics driving rrDLBCL. Here, we sought to confirm the relationship between relapse timing and outcomes after second-line (immuno)chemotherapy and determine the evolutionary dynamics that underpin that relationship. PATIENTS AND METHODS: Outcomes were examined in a population-based cohort of 221 patients with DLBCL who experienced progression/relapse after frontline treatment and were treated with second-line (immuno)chemotherapy with an intention-to-treat with autologous stem-cell transplantation (ASCT). Serial DLBCL biopsies from a partially overlapping cohort of 129 patients underwent molecular characterization, including whole-genome or whole-exome sequencing in 73 patients. RESULTS: Outcomes to second-line therapy and ASCT are superior for late relapse (>2 years postdiagnosis) versus primary refractory (<9 months) or early relapse (9-24 months). Diagnostic and relapse biopsies were mostly concordant for cell-of-origin classification and genetics-based subgroup. Despite this concordance, the number of mutations exclusive to each biopsy increased with time since diagnosis, and late relapses shared few mutations with their diagnostic counterpart, demonstrating a branching evolution pattern. In patients with highly divergent tumors, many of the same genes acquired new mutations independently in each tumor, suggesting that the earliest mutations in a shared precursor cell constrain tumor evolution toward the same genetics-based subgroups at both diagnosis and relapse. CONCLUSION: These results suggest that late relapses commonly represent genetically distinct and chemotherapy-naïve disease and have implications for optimal patient management.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,070
Tête enseignante GPT0,399
Écart entre enseignants0,329 · 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'étudeObservationnel
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

Citations50
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetLymphoma Diagnosis and TreatmentTravaux en français237 207