Mid-term neurocognitive outcomes after CAR T cell therapy in central nervous system lymphomas: statistical analysis plan
Notice bibliographique
Résumé
Background: Chimeric antigen receptor (CAR) T cells are an innovative therapeutic option for hematological malignancies. The indications of anti-CD19 CAR T cells have recently been extended to the treatment of central nervous system lymphomas. They can cause an immune effector cell-associated neurotoxicity syndrome, which has been reported with similar rates and short-term prognosis in central nervous system and systemic lymphomas. However, longer-term neurocognitive outcomes in central nervous system lymphomas after treatment with CAR T cells remain unknown. Clarifying them is especially important because of the frequent pre-existing cognitive impairment in these patients, which could theoretically either worsen or improve after treatment. This study therefore aims to characterize mid-term neurocognitive outcomes following CAR T cell therapy in central nervous system lymphomas. Methods: In this study, demographic, clinical, and neurocognitive longitudinal data about patients treated with anti-CD19 CAR T cells for a central nervous system lymphoma will be retrospectively collected from the French LOC network database. The primary outcome will be the change in Montreal cognitive assessment scores between baseline and 12 months post-treatment. The data analysis framework will include paired Student’s t-tests and linear regression models, as well as more advanced methods such as factor analysis, iterative principal component analysis, and trajectory modeling. Missing data will be managed by multiple imputation. The dataset will be synthesized in order to be released in an open version. Discussion: The proposed statistical framework, combining conventional analysis methods with more advanced machine learning techniques, has the potential to enhance the understanding of neurocognitive trajectories after CAR T cell therapy in central nervous system lymphomas. Identifying potentially distinct neurocognitive profiles and prognostic factors may inform both current clinical practice and further research into therapeutic options in this condition.
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 | 0,058 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,007 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».