Granulocyte colony-stimulating factor, granulocyte–macrophage colony-stimulating factor, and other immunomodulatory therapies for the treatment of infectious diseases in solid organ transplant recipients
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Infections continue to cause significant morbidity and mortality in SOT recipients despite major advances in immunosuppressive and antimicrobial regimens. Immunomodulatory cytokines provide a potential means to augment the host immune response to infection. This review will focus on cytokine therapy for the prophylaxis and treatment of infections in solid organ transplant recipients, and will speculate on the potential for further advances in the field. RECENT FINDINGS: In kidney and liver transplant recipients, granulocyte colony-stimulating factor (G-CSF) has been used successfully to reverse ganciclovir-induced neutropenia or cytomegalovirus-induced neutropenia. Although G-CSF also reversed corticosteroid-induced suppression of the neutrophil respiratory burst in vitro, prophylactic G-CSF failed to reduce infections or mortality in nonneutropenic solid organ transplant recipients. Published clinical experience with granulocyte-macrophage colony-stimulating factor (GM-CSF) in this population has been limited to case reports and a small case series, whereas the use of macrophage colony-stimulating factor (M-CSF) or interferon-gamma (IFN-gamma) has not been systematically investigated in controlled clinical trials. SUMMARY: Despite encouraging results in vitro and in preclinical models, immunomodulatory cytokines have not met expectations when administered to SOT recipients. Nonetheless, the principle of selective enhancement of innate immunity for the prevention and treatment of infections in this patient population has promise and warrants further study.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».