The critically-ill pediatric hemato-oncology patient: epidemiology, management, and strategy of transfer to the pediatric intensive care unit
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
Cancer is a leading cause of death in children. In the past decades, there has been a marked increase in overall survival of children with cancer. However, children whose treatment includes hematopoietic stem cell transplantation still represent a subpopulation with a higher risk of mortality. These improvements in mortality are accompanied by an increase in complications, such as respiratory and cardiovascular insufficiencies as well as neurological problems that may require an admission to the pediatric intensive care unit where most supportive therapies can be provided. It has been shown that ventilatory and cardiovascular support along with renal replacement therapy can benefit pediatric hemato-oncology patients if promptly established. Even if admissions of these patients are not considered futile anymore, they still raise sensitive questions, including ethical issues. To support the discussion and potentially facilitate the decision-making process, we propose an algorithm that takes into account the reason for admission (surgical versus medical) and the hemato-oncological prognosis. The algorithm then leads to different types of admission: full-support admission, "pediatric intensive care unit trial" admission, intensive care with adapted level of support, and palliative intensive care. Throughout the process, maintaining a dialogue between the treating physicians, the paramedical staff, the child, and his parents is of paramount importance to optimize the care of these children with complex disease and evolving medical status.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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