The impact of age on survival and excess mortality after autologous hematopoietic cell transplantation in newly diagnosed multiple myeloma patients
Notice bibliographique
Résumé
Despite the availability of novel agents, autologous hematopoietic cell transplantation (auto-HCT) remains the standard of care in newly diagnosed multiple myeloma (MM) patients. The impact of age on overall survival (OS), progression-free survival (PFS), relapse incidence, non-relapse mortality (NRM), and excess mortality (taking account of general population mortality) was investigated using information on 61,797 MM patients transplanted between 2013 and 2017. The median age at auto-HCT was 60.8 (range, 18.1-83.2) years of whom 2.0% were 18-39 years, 68.9% 40-64 years, 21.8% 65-69 years, 6.5% 70-74 years, and 0.8% ≥75 years of age, respectively. The corresponding OS probabilities at 3 years were 85.9%, 82.8%, 81.1%, 78.4%, and 74.8%, respectively (P<0.001). Excess mortality cumulative incidences were 13.1%, 15.0%, 14.6%, 15.0%, and 14.1% at 3 years, respectively (P=0.67). In multivariable analyses, older age was a significant risk factor for OS, PFS, and NRM but not for excess mortality or relapse risk. Our results indicate that advanced age alone should not preclude the use of auto- HCT in patients with MM.
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) | 0,000 | 0,000 |
| 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 ».