MétaCan
Menu
Retour à la cohorte
Enregistrement W2052511058 · doi:10.3747/co.v17i2.453

Evaluation of Six Risk Factors for the Development of Bacteremia in Children with Cancer and Febrile Neutropenia

2010· article· en· W2052511058 sur OpenAlexvenueno aff
Juan E. Corral, Julio Quezada

Notice bibliographique

RevueCurrent Oncology · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueNeutropenia and Cancer Infections
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineBacteremiaFebrile neutropeniaNeutropeniaInternal medicineCancerC-reactive proteinPediatric cancerIntensive care medicineRisk factorPopulationChemotherapyAntibioticsEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Febrile neutropenia is a well-known entity in children with cancer, being responsible for the high risk for infection that characterizes this population. For this reason, cancer patients are hospitalized so that they can receive prophylactic care. Risk factors have been used to classify patients at a high risk for developing bacteremia. The present study evaluates whether those risk factors (C-reactive protein, hypotension, leukemia as the cancer type, thrombocytopenia, recent chemotherapy, and acute malnutrition) apply to patients at the Unidad Nacional de Oncología Pediátrica. We evaluated 102 episodes in 88 patients, in whom risk factors and blood cultures were tested. We observed no statistical relationship between the six risk factors and bacteremia. There was also no relationship between bacteremia and the simultaneous presence of two, three, or more risk factors. A significant relationship of C-reactive protein and platelet count with other outcome factors was observed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,174
Score d'incertitude au seuil0,317

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,093
Tête enseignante GPT0,414
Écart entre enseignants0,321 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations35
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetNeutropenia and Cancer InfectionsTravaux en français237 207