Outcomes and factors influencing survival in patients with diffuse large B-cell lymphoma: a population-based analysis
Notice bibliographique
Résumé
ABSTRACT Given the rapidly evolving treatment landscape for diffuse large B cell lymphoma (DLBCL), we performed a contemporary analysis of survival outcomes in patients aged ≥18 years with DLBCL at the population level using linked administrative datasets in Ontario, Canada (ICES). Among 8,675 patients (median age 67, 44% female) treated with frontline rituximab-based therapy, 1,675 (19%) were treated with second-line therapy (2L). The 2-year and 5-year overall survival (OS) from 2L were 33% and 26%, respectively. Univariate analysis demonstrated that curative-intent therapy (autologous stem cell transplant [ASCT]) (58% of patients) was associated with better OS compared to palliative radiotherapy (hazard ratio [HR] 0.56, p<0.0001). Patients ≥60 years showed inferior OS compared to those <60 (age 60-69: HR 1.35, p=0.0002; age 70-79: HR 1.64, p<0.0001; age ≥80: HR 2.08, p<0.0001). Additionally, early relapse was associated with worse outcomes compared to relapses occurring after 2 years (<3 months: HR 1.45, p=0.0002; 3-6 months: HR 1.51, p=0.0001; 6-12 months: HR 1.88, p<0.0001). Multivariable analysis confirmed these associations, while accounting for LDH, comorbidity burden, frailty, and income. Exploratory analysis indicated that third-line chimeric antigen receptor T cell therapy (CAR-T) was associated with improved outcomes compared to a historical cohort of patients treated with palliative therapy prior to 2020 (2-year OS 56% vs. 21%). This population-based analysis suggests that curative intent therapy (ASCT and CAR-T) is associated with improved OS over conventional treatment approaches. The outcomes presented here provide benchmarks for future analyses aimed at assessing the effects of novel treatments in the 2L on outcomes.
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 | 0,000 | 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 | 0,000 |
| 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 ».