MétaCan
Menu
Retour à la cohorte
Enregistrement W4405038536 · doi:10.1182/blood-2024-206260

Diagnostic Accuracy of Erythropoietin and Jakpot in Predicting JAK2-Postiive Erythrocytosis: A Retrospective Cohort Study

2024· article· en· W4405038536 sur OpenAlexaffabout
Justin Bruni Senecal, Yasmine Madan, Sabina Rajkumar, Rabia Tahir, Mark Crowther, Siraj Mithoowani

Notice bibliographique

RevueBlood · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueMyeloproliferative Neoplasms: Diagnosis and Treatment
Établissements canadiensSt. Joseph's HospitalMcMaster University
Organismes subventionnairesnon disponible
Mots-clésErythropoietinMedicineRetrospective cohort studyCohortInternal medicine

Résumé

récupéré en direct d'OpenAlex

Introduction: Erythrocytosis affects 0.5 - 4% of ambulatory patients and is a common reason for Hematology referral. Very few patients are ultimately diagnosed with a myeloproliferative neoplasm such as polycythemia vera. The JAKPOT score (Chin-Yee et al) incorporating platelet, neutrophil, and erythrocyte counts shows promise at identifying patients at low risk of JAK2-positive erythrocytosis, but has not been externally validated. Our aim was to compare the diagnostic accuracy of serum erythropoietin (EPO) with the JAKPOT score to identify patients with JAK2-positive erythrocytosis. Methods: Retrospective cohort study including all patients who had EPO and JAK2 molecular testing (V617F or exon 12) for undifferentiated erythrocytosis at a tertiary care centre in Hamilton, Canada between Dec. 2014 - Dec. 2022. Patients with hemoglobin < 125 g/L were excluded. Demographics, comorbidities, medications, and laboratory parameters were collected. Univariate analysis to detect predictors of JAK2 positivity was performed with Mann Whitney U-tests, two-tailed Welch t-tests and Chi-squared tests where appropriate. Multivariate logistic regression analysis was performed with a subset of the predictors. We determined the sensitivity (Sn), specificity (Sp), positive and negative likelihood ratios (+LR, -LR) of EPO, JAKPOT score, and a combination of serum EPO and JAKPOT (EPO-JAKPOT) to diagnose JAK2-positive erythrocytosis. Results: The initial cohort included 237 patients (74 female, mean age 57.7 years). Twenty-four (10%) patients were excluded because they were known to have donated blood or had been phlebotomized in the 3 months preceding laboratory investigation, leaving 213 patients for analysis. The mean hemoglobin and hematocrit were 174 g/L and 0.52 L/L respectively. Forty patients (19%) had positive JAK2 molecular testing. Multivariate logistic regression showed that increasing age (p=0.001), increasing platelet count (p=0.006), decreasing serum ferritin (p=0.018) and low EPO (< 3.8 mU/mL) (p<0.001) were associated with JAK2-positive erythrocytosis, while the other components of the JAKPOT score, neutrophils (p=0.292) and erythrocytes (p=0.670), were not. Low EPO had a Sn of 0.77 (95% CI, 0.62 - 0.87), Sp of 0.98 (95% CI, 0.94 - 0.99), +LR of 33 and -LR of 0.23 for the diagnosis of JAK2-positive erythrocytosis. A positive JAKPOT score had a Sn of 0.88 (95% CI, 0.73 - 0.94), Sp of 0.65 (95% CI, 0.57 - 0.72), +LR of 2.5 and -LR of 0.19 to diagnose JAK2-positive erythrocytosis. A JAKPOT score ≥ 1 or low EPO (EPO-JAKPOT+) had a Sn of 0.95 (95% CI, 0.83 - 0.98), Sp of 0.65 (95% CI, 0.58 - 0.72), +LR of 2.7 and -LR of 0.07. Restricting JAK2 testing to patients who were EPO-JAKPOT+ would have led to 55% fewer molecular tests in our cohort but would have missed 2 (5%) of JAK2+ patients. Conclusions: Individually, low EPO and the JAKPOT score had modest sensitivity for JAK2-positive erythrocytosis. Combining EPO and JAKPOT into the EPO-JAKPOT score increased the sensitivity to 95% and had a -LR of 0.07. While further validation is needed, this score has the potential to lessen molecular testing for erythrocytosis by identifying a population at low risk of disease.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,277
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBloodMême sujetMyeloproliferative Neoplasms: Diagnosis and TreatmentTravaux en français237 207