Impact of Serum Ferritin and Iron Overload on Acute Myeloid Leukemia Outcomes: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the iron overload among individuals with acute myeloid leukemia (AML) who have not received red blood cell transfusions. METHODS: A comprehensive search was conducted in Embase, PubMed, PubMed Central, Web of Science, NIH, and Blood Library databases up to September 2023. The search strategy included keywords related to AML, iron overload, serum ferritin, survival, outcomes, and inflammation. Manual searches through included articles and relevant references were also performed. From 1650 initial articles, 16 studies involving 8752 patients met the inclusion criteria for systematic review. Statistical analysis used hazard ratios (HR) and confidence intervals (CI). Results: The systematic review and meta-analysis revealed a statistically significant association between high serum ferritin (SF) levels and poor outcomes in AML patients before starting chemotherapy. Elevated SF levels (>1000 mg/L) were associated with lower overall survival (OS) and event-free survival (EFS) (HR for OS: 1.99, 95% CI: 1.48-2.66; HR for EFS: 2.29, 95% CI: 1.73-3.05). Elevated SF levels were inversely correlated with the gradual onset of infections, indicating an increased risk of early mortality (p<0.05). CONCLUSION: Elevated serum ferritin levels are significantly associated with poor outcomes in AML patients before treatment initiation. These findings highlight the importance of monitoring iron levels in these patients to improve prognostic assessments and treatment strategies.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,006 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».