Prognostic analysis according to European LeukemiaNet 2022 risk stratification for elderly patients with acute myeloid leukemia treated with decitabine
Notice bibliographique
Résumé
Objectives This study aimed to evaluate the prognostic significance of the revised European LeukemiaNet (ELN)−2022 risk stratification model for 123 elderly acute myeloid leukemia (AML) patients treated with decitabine chemotherapy.Results Based on the ELN-2022 risk stratification, 15 (12.2%), 51 (41.5%), and 57 (46.3%) patients were classified as having favorable, intermediate, and high-risk AML, respectively. In comparison with the ELN-2017 risk stratification, the ELN-2022 risk stratification re-assigned 26 (21.1%) and three (2.4%) patients to the adverse and favorable risk groups, respectively. Survival analysis revealed distinctive overall survival (OS) outcomes among the ELN-2022 risk groups (6-month OS rate: 73.3%, 52.9%, and 47.7% for favorable, intermediate, and adverse risk, respectively; P = 0.101), with a parallel trend observed in the event-free survival (EFS) (6-month EFS rate: 73.3%, 52.9%, and 45.6% for favorable, intermediate, and adverse risk, respectively; P = 0.049). Notably, both OS and EFS in the favorable risk group were significantly superior in comparison to that of the adverse risk group (OS: P = 0.040, EFS: P = 0.030). Although the ELN-2022 C-index (0.559) was greater than the ELN-2017 C-index (0.539), the result was not statistically significant (P = 0.059). Based on the event net reclassification index, we consistently observed significant improvements in the ELN-2022 risk stratification for overall survival (0.21 at 6 months).Conclusion In conclusion, the revised ELN-2022 risk stratification model may have improved the risk classification of elderly AML patients treated with hypomethylating agents compared to the ELN-2017 risk stratification model.
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 | 0,001 | 0,002 |
| 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 ».