Prediction of sustained remission after tyrosine kinase inhibitor discontinuation with <i>BCR</i>::<i>ABL1</i> digital <scp>PCR</scp> in chronic myeloid leukemia patients
Notice bibliographique
Résumé
Abstract Precise and reliable predictive parameters to accurately identify chronic myeloid leukemia (CML) patients who can successfully discontinue their tyrosine kinase inhibitor (TKI) treatment are lacking. One promising parameter is depth of molecular response measured by BCR::ABL1 digital PCR (dPCR). The aim of this study was to validate a previously described prediction cutoff of 0.0023% IS and to assess the value of dPCR for treatment‐free remission (TFR) prediction in relation to other clinical parameters. A droplet‐based dPCR assay assessed BCR::ABL1 % IS prior to TKI discontinuation. The primary endpoint was molecular recurrence (MolR) by 36 months. A total of 186 patients from Canada, Germany, and the Netherlands were included. In patients with a first TKI discontinuation attempt ( n = 163), a BCR::ABL1 dPCR < and ≥0.0023% IS had a MolR probability of 33% and 70%, respectively. Patients treated less than 6 years with a BCR::ABL1 dPCR <0.0023% IS had a MolR probability of 31%. After correction for treatment duration, both high dPCR value and the use of imatinib (vs. second‐generation TKI) were significantly associated with a higher risk of MolR (HR of 3.66, 95%CI 2.06–6.51, p < .001; and 2.85, 95%CI 1.25–6.46, p = .013, respectively). BCR::ABL1 dPCR was not associated with TFR outcome after second TKI discontinuation, however, with the limitation of a small number of patients analyzed ( n = 23). In conclusion, BCR::ABL1 digital PCR based on the cutoff of 0.0023% IS is a valuable predictive tool to identify CML patients with a high probability of TFR success after first TKI discontinuation, including patients treated for less than 6 years.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».