Standardized bone marrow assessment, risk variables, and survival in dogs with myelodysplastic syndrome and acute myeloid leukemia
Notice bibliographique
Résumé
Myelodysplastic syndrome (MDS) and acute myeloid leukemia (AML) are heterogeneous neoplasms of hematopoietic stem cells that are challenging to diagnose, differentiate, and prognosticate. Cytogenetic and mutational analyses are useful in humans but unavailable for dogs, where diagnosis and classification still rely largely on hematologic and morphologic assessment. The objectives of this study were to apply a classification scheme to myeloid neoplasms and to assess outcome in relation to predictor variables. Keyword search of a laboratory database, application of sequential exclusion criteria, and consensus from 3 reviewers yielded 70 cases of myeloid neoplasia with hematology results, and cytologic (11), histologic (14), or both (45) types of marrow specimens. Based on blast percentage and morphology, 42 cases were classified as MDS and 28 as AML. Dogs with MDS had significantly lower body weights, hemoglobin concentrations and blood blasts, and higher red blood cell size variability and platelet numbers than dogs with AML. Estimates of median survival using Kaplan-Meier curves for dogs with MDS and AML were 384 and 6 days, respectively ( P < .001). The instantaneous risk of death for dogs with MDS was approximately 5× lower than that of dogs with AML. Significant predictor variables of survival were body weight, white blood cell count, platelet count, and percent blood blasts ( P < .05). Hazard ratios (HRs) derived from best-fitting Cox regression models were 1.043, 0.998, and 1.061 for increased neutrophils, decreased platelets, and increased blood blasts, respectively. Findings from this study suggest that hematologic and morphologic variables are useful to predict outcomes in myeloid neoplasia.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».