Development and validation of a gene expression signature to predict early events in patients with follicular lymphoma
Notice bibliographique
Résumé
ABSTRACT: Although follicular lymphoma (FL) typically follows an indolent course, patients with FL who experience early events, such as transformation or progression, have increased risk of death related to lymphoma. The FL24Cx is an algorithm based on a 45-target gene expression profiling (GEP) assay, which was developed and trained using 265 formalin-fixed, paraffin-embedded tissue samples on a reliable platform to predict, at the time of diagnosis, whether a patient will experience an event within 24 months. The modeling also confirmed and relied upon previously reported synergy between immune response (IR) gene expression signatures IR1 and IR2. Once locked, the 5-factor logistic regression FL24Cx model was independently validated in a retrospectively assessed cohort of 232 patients from 2 immunochemotherapy-treated arms of SWOG Cancer Research Network S0016 phase 3 clinical trial, in which it assigned 169 patients to the low-risk group with 29 events before 24 months (17.2%) and 63 patients to the high-risk group with 24 events before 24 months (38.1%). The relative risk of an event within 24 months after registration among patients who were classified into the high-risk group relative to patients who were classified into the low-risk group was 2.2 (95% confidence interval, 1.41 to 3.51). An up-front GEP biomarker, such as the FL24Cx, rigorously validated in a clinical laboratory and with a clinically relevant turnaround time, could identify and steer enrollment of patients at high risk for early events in clinical trials, thus enabling timely interpretation of such trials and increasing the pace of innovation.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».