14,441 Genomics-Based Validated Automated Comprehensive Clinicopathologic Correlations for Myeloid Neoplasms
Notice bibliographique
Résumé
The dataset (Elsafty_Reports_of_Myeloid_Neoplasms_2024) consists of 14,441 comprehensive clinicopathologic correlations (CPCs) for myeloid neoplasms (MN) with corresponding laboratory results. Specialized online platform utilizing these laboratory results automatically generated the diagnostic and prognostic CPCs. These results include complete blood counts (CBC), peripheral blood smear (PBS) findings, blast/promyelocyte count with dysplasia screening by flow cytometry, and molecular results by NGS/PCR. Two Hematopathologists, who performed the CBC and PBS review, collected their 10,794 real-world reports of cases served in Egypt with molecular studies performed in the USA and Europe. These newly-diagnosed cases included 243 chronic myeloid leukemia (CML) cases with 257 mutations/aberrations; 4,567 non-CML MN cases with 7,883 Tiers I/II mutations/aberrations, amino acid changes, and allele frequencies; and 5,984 benign/inconclusive cases with negative NGS for myeloid mutations/aberrations in 66 DNA/RNA genes. Additionally, there are 3,647 CPCs with synthetic genomics simulating all new/follow-up CML cases and complex/rare non-CML MN cases. Stringent validation by 51 international professors/consultants/specialists from multiple medical centres confirmed 100% medical and clerical accuracy, referencing the WHO 5th edition and relevant esteemed publications.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».