Incidence and Risk Factors for Nontuberculous Mycobacterial Infection after Allogeneic Hematopoietic Cell Transplantation
Notice bibliographique
Résumé
Allogenic hematopoietic stem cell transplant (HCT) recipients are at risk of many infections. Nontuberculous mycobacteria (NTM) are increasingly recognized as clinically significant pathogens in this population. We investigated the incidence and risk factors for NTM infection after allogeneic HCT. This retrospective cohort study included all patients with allogeneic HCT at our institution during 2001 to 2013. Patients who developed significant NTM infection (NTM disease) were identified. Multivariable modeling was used to identify risk factors for NTM disease, and a risk score model was constructed to identify high-risk patients. Of 1097 allogeneic HCT patients, 45 (4.1%) had NTM isolated and 30 (2.7%) had NTM disease (28 [93.3%] exclusively pulmonary, 2 [6.7%] pulmonary plus another site). Incidence of NTM infection by competing risk analysis was 2.8% at 5 years (95% CI, 1.9% to 4.0%). The median time to diagnosis was 343 days (range, 19 to 1967). In Fine-Gray proportional hazards modeling, only global severity of chronic graft-versus-host disease (cGVHD) (HR, 1.99; 95% CI, 1.12 to 3.53; P = .019,) and cytomegalovirus (CMV) viremia (HR, 5.77; 95% CI, 1.71 to 19.45; P = .004) were significantly associated with NTM disease. Using these variables a risk score was calculated: 1 point for CMV viremia or moderate cGVHD and 2 points for severe cGVHD. The score divided patients into low risk (0 to 1 points, n = 820 [77.3%], 3-year NTM risk 1.2%), intermediate risk (2 points, n = 161 [15.4%], 3-year NTM risk 7.1%), and high risk (3 points, n = 56 [5.4%], 3-year NTM risk 14.3%). NTM disease after allogeneic HCT is common. Severe cGVHD and CMV viremia are associated with increased risk, permitting risk stratification.
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 ».