MétaCan
Menu
← Retour à la cohorte
Enregistrement W2588616464 · doi:10.1182/blood.v110.11.2876.2876

Predictors of Mortality in Patients Undergoing Autologous Stem Cell Transplant (ASCT) Admitted to the Intensive Care Unit: An Institutional Review of 1013 Transplant Patients over Five Years.

2007· article· en· W2588616464 sur OpenAlexaff
Martina Trinkaus, Stephen E. Lapinsky, David Hallett, Norman Franke, Andrew Winter, Michael Crump, Donna Reece, Christine Chen, Suzanne Trudel, Ian Quirt, Armand Keating, Joseph Mıkhael

Notice bibliographique

RevueBlood · 2007
Typearticle
Langueen
DomaineMedicine
ThématiquePalliative Care and End-of-Life Issues
Établissements canadiensMount Sinai HospitalPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineUnivariate analysisIntensive care unitAPACHE IISepsisMechanical ventilationMultiple myelomaRetrospective cohort studyInternal medicineSurgeryMultivariate analysis

Résumé

récupéré en direct d'OpenAlex

Abstract Study Objective: To describe the outcomes of ASCT recipients transferred to the Intensive Care Unit (ICU), and identify predictors for mortality. Methods: Retrospective review of all ASCT recipients from Jan 2001-July 2006 who required ICU transfer up to 100 days post ASCT. Measurements and main Results: Thirty-four of 1013 patients (3.3%) who underwent ASCT, were admitted to the ICU. The mean age at admission was 54.9 +/− 11.1 (range 28–71), 53% being female. Indications for ASCT included multiple myeloma (50%), amyloidosis (32%), or other malignancies (18%). Table 1 highlights the admission rate to the ICU by diagnosis. The primary admitting diagnosis in the ICU included sepsis (32%), cardiac related events (26%), or respiratory compromise (29%). Median days post ASCT was 10.0 days with a median in ICU stay of 4.0 days (range 1–37 days). Twenty patients (including all non-survivors) required mechanical ventilation for > 24 hours with a median duration of 3.0 days. Thirteen patients died (38%) in the ICU, with 11 dying of multi-system organ failure and 2 from cardiac arrest. Retrospectively collected parameters restricted to the first 24 hours of admission revealed that Sequential Organ Failure Assessment (SOFA) score (OR 1.30; CI95 1.09–1.64, P=0.003) and Acute Physiology and Chronic Health Evaluation (APACHE II) score (OR 1.43; CI95 1.14–2.16; P=0.0002) were statistically associated with mortality in univariate analysis. The variables predictive of mortality at 24 hours after admission are displayed in Table 2. Conclusion: ICU admission is uncommon, occuring in 3% of patients undergoing ASCT, of which 38% die (1% of total ASCTs). Admission is influenced by underlying diagnosis, with amyloid patients portending the highest risk. Mortality in ASCT patients admitted to the ICU can be predicted in the first 24 hours by specific assessment scores (SOFA and APACHE II); specific supportive care requirements: inotropic dependence, hemodialysis, and need for ventilation; and clinical findings of gram negative sepsis or > 2 organ failure. Patients with febrile neutropenia had a low risk of mortality (possibly due to aggressive antibiotic use, growth factors, and rapid engraftment post ASCT). These results may assist clinical decision making regarding the continuation of intensive care delivered 24 hours after admission. Percentage Admission Rate by Diagnosis (n = 1013) Diagnosis ASCT (#) ICU Admission (#)/ (%) Non-survivors (#) Multiple Myeloma 615 17 / (2.8%) 6 Non-Hodgkin’s Lymphoma 199 2/ (1.0%) 1 Hodgkin’s Lymphoma 112 1 / (0.9%) 0 Amyloidosis 39 11/ (28.2%) 6 Acute Myeloid Leukemia 17 1/ (5.9%) 0 Other (Germ Cell Tumour, Waldenstrom’s Macroglobuliemia, POEMS) 31 2/ (6.4%) 0 Variables Predictive of Mortality at 24 hours after Admission Variable Predictors Number of Patients Survivors (n = 21) Non-survivors (n = 13) P-value Febrile Neutropenia 15 13 (62%) 2 (15%) 0.013 Failure of > 2 organs 20 9 (43%) 11 (85%) 0.030 Mechanical Ventilation 20 9 (43%) 11 (85%) 0.030 Inotropic Support > 4 hours 10 3 (14%) 7 (54%) 0.022 Hemodialysis 12 4 (19%) 8 (62%) 0.025 Gram Negative Infection 6 1 (5%) 5 (42%) 0.016

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,048
Tête enseignante GPT0,331
Écart entre enseignants0,283 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBlood→Même sujetPalliative Care and End-of-Life Issues→Travaux en français237 207→