Management of infants born with severe neonatal alloimmune thrombocytopenia: the role of platelet transfusions and intravenous immunoglobulin
Notice bibliographique
Résumé
BACKGROUND: Neonatal alloimmune thrombocytopenia (NAIT) is a fetomaternal incompatibility most commonly induced by maternal anti-HPA-1a alloantibodies. Transfusion of immunologically compatible platelets (PLTs) to prevent cerebral hemorrhage, the most severe complication in affected newborns, is usually recommended. Such PLT concentrates, however, are often not readily available. STUDY DESIGN AND METHODS: The efficacy of random-donor PLT transfusions and intravenous immunoglobulin (IVIG) for the management of 17 neonates across four centers with unexpected, severe NAIT was evaluated. Neonates were treated with random-donor PLTs alone (n=7), random-donor PLTs with IVIG (n=8), or matched HPA-1bb PLTs (n=2). RESULTS: All but one patient (treated with random PLTs and IVIG) achieved a posttransfusion PLT count of higher than 30 × 10(9) /L after the first PLT transfusion. The PLT count remained higher than 30 × 10(9) /L for longer than 24 hours in five of seven, seven of eight, and two of four newborns who received random-donor PLTs alone, random-donor PLTs with IVIG, or matched HPA-1bb PLTs, respectively. None of the newborns developed major bleeding or intracranial hemorrhage. IVIG did not appear to improve either posttransfusion PLT counts or total PLT transfusion requirements. CONCLUSION: Transfusion of random-donor PLTs alone was effective at correcting critically low PLT counts and should be considered as first-line treatment of newborns with unexpected severe NAIT.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».