Group-based trajectories of health-related quality of life among pediatric patients with high-risk Hodgkin lymphoma
Notice bibliographique
Résumé
BACKGROUND: Health-related quality of life (HRQoL) was recently demonstrated to improve throughout therapy for high-risk pediatric Hodgkin lymphoma (HL); however, average scores may not reflect individual differences. This study aimed to identify subgroups of patients with similar HRQoL trajectories from pre- to post-therapy. METHODS: AHOD1331 trial participants aged 11-20 (n = 268; mean [SD] age = 15.6 [1.9]; 48% male) completed the Child Health Ratings Inventories-Global scale (HRQoL) prior to treatment, after cycle 2, after cycle 5, and the end of treatment. Group-based trajectory models (GBTMs) identified latent clusters of individuals with similar HRQoL patterns over time. Multivariable multinomial logistic regression estimated the association between a priori defined characteristics and membership in trajectory-based groups. Log-rank tests examined differences in post-T4 progression-free survival (PFS) by trajectory groups. RESULTS: GBTM identified 3 HRQoL groups: Group 1 (consistently unfavorable [25.7%]), Group 2 (moderate-and-increasing [44.8%]), and Group 3 (consistently favorable [29.5%]). Older age (odds ratio = 1.24, 95% confidence interval = 1.03 to 1.50; P = .022), female sex (2.48, 1.23 to 4.99; P = .011), and Hispanic ethnicity (2.31, 0.97 to 5.50; P = .059) were associated with increased odds of membership in Group 1 vs Group 3. Older age (1.18, 1.00 to 1.39; P = .038) and B-symptoms (2.18, 1.09 to 4.33; P = .027) were associated with increased odds of Group 2 membership vs Group 3. Group membership was not associated with post-T4 PFS. CONCLUSIONS: A subgroup of high-risk pediatric HL patients experience persistently poor HRQoL, starting at diagnosis and continuing through therapy. Age, female sex, Hispanic ethnicity, and B-symptoms were linked to worse HRQoL. These findings can help identify patients at higher risk for poor HRQoL and guide intervention. CLINICALTRIALS.GOV: NCT02166463.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».