Cancer-specific mortality in multiple myeloma: a population-based retrospective cohort study
Notice bibliographique
Résumé
Survival has improved in patients diagnosed with multiple myeloma (MM) over the last two decades; however, there remains a paucity of data on the causes of death in MM patients and whether causes of death change during the disease trajectory. We conducted a retrospective population-based study to evaluate the rates of MM-specific versus non-MM cause of death and to identify factors associated with cause-specific death in MM patients, stratified into autologous stem cell transplant (ASCT) and non-ASCT cohorts. A total of 6,677 patients were included, 2,576 in the ASCT group and 4,010 in the non-ASCT group. Eight hundred and seventy-three (34%) ASCT patients and 2,787 (68%) non-ASCT patients died during the follow-up period. MM was the most frequent causes of death, causing 74% of deaths in the ASCT group and 67% in the non-ASCT group. Other cancers were the second leading causes of death, followed by cardiac and infectious diseases. Multivariable analysis demonstrated that a more recent year of diagnosis and novel agent use within 1 year of diagnosis were associated with a decreased risk of MM-specific death, whereas a history of previous non-MM cancer, older age, and the presence of CRAB criteria at diagnosis increased the risk of non-MM death. Our data suggests that despite improvement in MM outcomes in recent years, MM remains the greatest threat to overall survival for patients. Further advances in the development of effective MM therapeutic agents in both ASCT and non-ASCT populations and patient access to them is needed to improve outcomes.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».