THE CLINICAL AND MOLECULAR LANDSCAPE OF GLIOMAS IN ADOLESCENTS AND YOUNG ADULTS
Notice bibliographique
Résumé
Abstract Molecular alterations in gliomas in adolescents and young adults (AYA) have not been comprehensively described to date. To determine the impact of mutation, we performed a population based study of gliomas in AYA. METHODS: Patients diagnosed from 2000-2019 with glioma between 15-39.9 years were eligible. Comprehensive molecular analysis was performed. Therapeutic and outcome data was collected. For comparison, analysis included patients aged 0-39.9 years. RESULTS: A total of 876 AYA gliomas were included. Genetic alterations were found in 95% of available tumours. Pediatric-type mutations were found in 33% of AYA tumours. The most common paediatric alterations included BRAF p.V600E (11%) and FGFR alterations (7%) while BRAF fusions (4%), H3 p.K27M (4%) and H3.3 p.G34R (1%) were rare. IDH mutation was found in 57% of tumours. Molecular GBM accounted for 7%. Paediatric-type alterations had different outcomes in AYA than children. Ten-year OS of 100%, 90% and 95% was seen for BRAF fused, BRAF-V600E and FGFR-altered AYA low grade glioma (LGG), compared to 14% and 25% for BRAF- V600E and FGFR-altered high grade glioma (HGG) respectively. BRAF and FGFR mutant tumours had higher proportion of HGG versus LGG in AYA compared to children (OR 2.6, 95% CI 1.2-5.6) while outcome was improved in LGG in AYA compared to children with a 10 year PFS of 76.8% vs 51.6% respectively (p=0.0009) suggesting a transition phase occurring during adolescence and early adulthood. CONCLUSIONS: AYA gliomas are enriched for paediatric-type alterations with distinct outcomes. Routine analysis is required given the role for targeted inhibitors.
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) | 0,000 | 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 ».