MétaCan
Menu
Retour à la cohorte
Enregistrement W4386804619 · doi:10.1186/s13039-023-00653-1

Cytogenetic profile of 1791 adult acute myeloid leukemia in India

2023· article· en· W4386804619 sur OpenAlex
Vivi M. Srivastava, Sukesh C. Nair, Marimuthu Sappani, Marie-Therese Manipadam, Uday Kulkarni, Anup J. Devasia, N. A. Fouzia, Anu Korula, Kavitha M. Lakshmi, Aby Abraham, Alok Srivastava

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMolecular Cytogenetics · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Myeloid Leukemia Research
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésKaryotypeMedicineMyeloid leukemiaInternal medicineCytogeneticsMyeloidPediatricsPathologyBiologyGeneticsChromosome

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Cytogenetic analysis continues to have an important role in the management of acute myeloid leukemia (AML) because it is essential for prognostication. It is also necessary to diagnose specific categories of AML and to determine the most effective form of treatment. Reports from South Asia are few because the availability of cytogenetic services is relatively limited. METHODS: We performed a retrospective analysis of the cytogenetic findings in adults with AML seen consecutively in a single centre in India. The results were categorised according to the 2022 World Health Organisation (WHO), International Consensus Classification (ICC) and European LeukemiaNet (ELN) classifications. RESULTS: There were 1791 patients aged 18-85 years (median age 42, 1086 males). Normal karyotypes were seen in 646 (36%) patients. The 1145 (64%) abnormal karyotypes comprised 585 (32.7%) with recurrent genetic abnormalities (RGA), 403 (22.5%) with myelodysplasia-related cytogenetic abnormalities (MRC), and 157 (8.8%) with other abnormalities. There were 567 (31.7%) patients with solitary abnormalities and 299 (16.7%) with two abnormalities. Among the 279 (15.6%) patients with ≥ 3 abnormalities, 200 (11.2%) had complex karyotypes (CK) as per the WHO/ICC and 184 (10.3%), as per the ELN definition. There were 158 (8.8%) monosomal karyotypes (MK). Patients with normal karyotypes had a higher median age (45 years) than those with abnormal karyotypes (40 years, p < 0.001), and those with ≥ 3 abnormalities (43 years), than those with fewer abnormalities (39 years, p = 0.005). Patients with CK (WHO/ICC) and monosomal karyotypes had a median age of 48 years. Those with RGA had a lower median age (35 years, p < 0.001) than MRC (46 years) or other abnormalities (44 years). The t(15;17) was the most common abnormality (16.7%),followed by trisomy 8 (11.6%), monosomy 7/del 7q (9.3%), t(8;21) (7.2%), monosomy 5/del 5q (6.7%) and monosomy 17/del 17p (5.2%). CONCLUSION: Our findings confirm the lower age profile of AML in India and show similarities and differences with respect to the frequencies of individual abnormalities compared to the literature. The frequencies of the t(15;17), trisomy 8 and the high-risk abnormalities monosomy 7 and monosomy 5/del 5q were higher, and that of the inv(16), lower than in most reports.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,293
Écart entre enseignants0,277 · 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