Assessment of infection risks prior to lung transplantation
Notice bibliographique
Résumé
PURPOSE OF THIS REVIEW: Infections are major causes of morbidity and mortality after lung transplantation. Pretransplant evaluation can identify patients at risk of infectious complications and guide prophylactic strategies post transplantation. This review focuses on studies published from 2006 to the present that relate to the assessment of risk of infection prior to lung transplantation. RECENT FINDINGS: Pretransplant airways colonization with Pseudomonas, Burkholderia, nontuberculosis mycobacteria, Aspergillus and Scedosporium tend to recur after transplantation and cause disease in the lung allograft. Recently, colonization with Pseudomonas and Aspergillus species has been implicated in the subsequent development of allograft dysfunction. B. cenocepacia and Mycobacterium abscessus are particularly associated with poor outcomes after lung transplantation and are considered to be relative contra-indications to lung transplantation in many centers. Tuberculin skin test (TST) has limited value in predicting tuberculosis (TB) reactivation; however, in the absence of a better test, it remains the gold standard for screening patients with latent TB. Serologic screening for histoplasmosis and toxoplasmosis has limited value as these infections rarely occur after lung transplantation. SUMMARY: Recurrence of pretransplant airway infection and reactivation of latent infection are potential sources of infection after lung transplantation. Prospective studies are needed to determine the efficacy of prophylactic antimicrobial strategies.
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) | 0,002 | 0,001 |
| 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 ».