Identifying the patient at risk for post‐transplant lymphoproliferative disorder
Notice bibliographique
Résumé
Post-transplant lymphoproliferative disorders (PTLD) are a recognized complication of the immunosuppression required to prevent allograft rejection, occurring in 1-20% of recipients of solid organ transplants. Several factors greatly increase the risk of developing PTLD early post-transplant in any individual recipient. Epstein-Barr virus (EBV) infection is critical in the pathogenesis of the majority of these cases. Pre-transplant EBV seronegativity increases the incidence of PTLD 10- to 75-fold over that of EBV-seropositive recipients. Other risk factors include very young recipient age, cytomegalovirus infection or mismatching (donor positive-recipient negative), aggressive immunosuppression with conventional biologic agents, and the type of organ transplanted. In contrast, the risk of developing PTLD late in the post-transplant course does not appear to be influenced by the type of immunosuppressive agents employed, but rather by the duration of any immunosuppression. The role of EBV in late PTLD is also less certain, as a greater proportion of lesions are not associated with evidence of EBV infection. As the understanding of these risk factors has expanded, opportunities exist to target those populations at highest risk for the development of PTLD for aggressive monitoring and pre-emptive or prophylactic therapy. It is hoped that implementation of such strategies will render early PTLD a preventable complication of transplantation.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».