Novel Scoring System for Ranking Hematopoietic Stem Cell Transplantation
Notice bibliographique
Résumé
BACKGROUND: When human leukocyte antigen (HLA)-matched donors are not available for hematopoietic stem cell transplants (HSCT), there are no well-accepted guidelines for ranking 7/8 HLA-matched unrelated donors to achieve optimal transplant outcomes. A novel scoring system for ranking HLA mismatches for these donors was investigated. METHODS: High-resolution HLA types were used to determine amino acid mismatches located in the HLA antigen-recognition domain. The location and physicochemical properties of mismatched amino acids were used to assign scores for peptide binding, T-cell receptor docking, and HLA structure/function. The scores were tested using a cohort of 2319 patients with leukemia or myelodysplastic syndrome who received their first unrelated donor transplant using conventional graft-versus-host disease (GVHD) prophylaxis between 2000 and 2014. Donors were 7/8 HLA-matched with a single HLA Class I mismatch. Primary outcomes were overall survival and acute GVHD. RESULTS: The scores did not significantly (p < 0.01) associate with transplant outcomes, although a Peptide Score = 0 (i.e., no differences in peptide binding; N = 146, 6.3%) appears to have lower transplant-related mortality (TRM) compared to higher scores (p = 0.019). HLA mismatches with Peptide Score = 0 were predominately HLA-C*03:03/03:04 (62%), previously reported to be a permissive mismatch, and a group of 28 other HLA mismatches (38%) that showed similar associations with TRM. CONCLUSIONS: This study suggests that HLA mismatches that do not alter peptide binding or orientation (Peptide Score = 0) could expand the number of permissive HLA mismatches. Further investigation is needed to confirm this observation and to explore alternative scoring systems for ranking HLA mismatched donors.
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 | 0,001 |
| 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 ».