A Validated Risk Stratification That Incorporates MAGIC Biomarkers Predicts Long-Term Outcomes in Pediatric Patients with Acute GVHD
Notice bibliographique
Résumé
Acute graft versus host disease (GVHD) is a common and serious complication of allogeneic hematopoietic cell transplantation (HCT) in children but overall clinical grade at onset only modestly predicts response to treatment and survival outcomes. Two tools to assess risk at initiation of treatment were recently developed. The Minnesota risk system stratifies children for risk of nonrelapse mortality (NRM) according to the pattern of GVHD target organ severity. The Mount Sinai Acute GVHD International Consortium (MAGIC) algorithm of 2 serum biomarkers (ST2 and REG3α) predicts NRM in adult patients but has not been validated in a pediatric population. We aimed to develop and validate a system that stratifies children at the onset of GVHD for risk of 6-month NRM. We determined the MAGIC algorithm probabilities (MAPs) and Minnesota risk for a multicenter cohort of 315 pediatric patients who developed GVHD requiring treatment with systemic corticosteroids. MAPs created 3 risk groups with distinct outcomes at the start of treatment and were more accurate than Minnesota risk stratification for prediction of NRM (area under the receiver operating curve (AUC), .79 versus .62, P = .001). A novel model that combined Minnesota risk and biomarker scores created from a training cohort was more accurate than either biomarkers or clinical systems in a validation cohort (AUC .87) and stratified patients into 2 groups with highly different 6-month NRM (5% versus 38%, P < .001). In summary, we validated the MAP as a prognostic biomarker in pediatric patients with GVHD, and a novel risk stratification that combines Minnesota risk and biomarker risk performed best. Biomarker-based risk stratification can be used in clinical trials to develop more tailored approaches for children who require treatment for GVHD.
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 ».