Prevalence of Hematopoietic Cell Transplant Survivors in the United States
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Advances in hematopoietic cell transplantation (HCT) have led to an increasing number of transplant survivors. To adequately support their healthcare needs, there is a need to know the prevalence of HCT survivors. We used data on 170,628 recipients of autologous and allogeneic HCT reported to the Center for International Blood and Marrow Transplant Research from 1968 to 2009 to estimate the current and future number of HCT survivors in the United States. Stacked cohort simulation models were used to estimate the number of HCT survivors in the United States in 2009 and to make projections for HCT survivors by the year 2030. There were 108,900 (range, 100,500 to 115,200) HCT survivors in the United States in 2009. This included 67,000 autologous HCT and 41,900 allogeneic HCT survivors. The number of HCT survivors is estimated to increase by 2.5 times by the year 2020 (242,000 survivors) and 5 times by the year 2030 (502,000 survivors). By 2030, the age at transplant will be < 18 years for 14% of all survivors (n = 64,000), 18 to 59 years for 61% survivors (n = 276,000), and 60 years and older for 25% of survivors (n = 113,000). In coming decades, a large number of individuals will be HCT survivors. Transplant center providers, hematologists, oncologists, primary care physicians, and other specialty providers will need to be familiar with the unique and complex health issues faced by this population.
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.
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 découle