MétaCan
Menu
Retour à la cohorte
Enregistrement W2770042889 · doi:10.1093/cid/cix690

Incidence, Risk Factors and Outcome of Pre-engraftment Gram-Negative Bacteremia After Allogeneic and Autologous Hematopoietic Stem Cell Transplantation: An Italian Prospective Multicenter Survey

2017· article· en· W2770042889 sur OpenAlexfundno aff
Corrado Girmenia, Alice Bertaina, Alfonso Piciocchi, Katia Perruccio, Alessandra Algarotti, Alessandro Busca, Chiara Cattaneo, Anna Maria Raiola, Stefano Guidi, Anna Paola Iori, Anna Candoni, Giuseppe Irrera, Giuseppe Milone, G. Marcacci, Rosanna Scimè, Maurizio Musso, Laura Cudillo, Simona Sica, Luca Castagna, Paolo Corradini, Francesco Marchesi, Domenico Pastore, Emilio Paolo Alessandrino, C. Annaloro, Fabio Ciceri, Stella Santarone, Luca Nassi, Claudio Farina, Claudio Viscoli, Gian María Rossolini, Francesca Bonifazi, Alessandro Rambaldi, Saveria Capria, Angela Mastronuzzi, Daria Pagliara, Paola Bernaschi, Lucia Amico, Alessandra Carotti, Antonella Mencacci, Benedetto Bruno, Cristina Costa, Angela Passi, G Ravizzola, Emanuele Angelucci, Anna Marchese, Patrizia Pecile, Giovanna Ventura, Renato Fanin, Claudio Scarparo, Angelo Pasquale Barbaro, Salvatore Leotta, Cristina Becchimanzi, Daniela Donnarumma, Stefania Tringali, Maria Teresa Baldi, Renato Scalone, Alessandra Picardi, William Arcese, Carla Fontana, Sabrina Giammarco, Teresa Spanu, Roberto Crocchiolo, Erminia Casari, Alberto Mussetti, Eutilia Conte, Fabrizio Ensoli, G. Miragliotta, P. Marone, Milena Arghittu, Raffaella Greco, Alessandra Forcina, Paola Chichero, Paolo Di Bartolomeo, Paolo Fazii, Vesselina Kroumova, Nunzia Decembrino, Marco Zecca, Giovanni Pisapia, Giulia Palazzo, Edoardo Lanino, Maura Faraci, Elio Castagnola, Roberto Bandettini, Rocco Pastano, Simona Sammassimo, Rita Passerini, Piero Maria Stefani, Filíppo Gherlinzoni, Roberto Rigoli, Lucia Prezioso, Benedetta Cambò, Adriana Calderaro, Angelo Michele Carella, Nicola Cascavilla, Maria Labonia, Ivana Celeghini, Nicola Mordini, Federica Piana, Adriana Vacca, Marco Sanna, Giovanni Podda, Maria Teresa Corsetti, Andrea Rocchetti, Daniela Cilloni, Marco De Gobbi, Ornella Bianco, Franca Fagioli, Francesca Carraro, Gianfranco De Intinis, Alessandro Severino, Anna Proia, Gabriella Parisi, Daniele Vallisa, Massimo Confalonieri, Domenico Russo, Michele Malagola, Piero Galieni, Sadia Falcioni, Valeria Travaglini, R Raimondi, Carlo Borghero, Giacomina Pavan, Arcangelo Prete, Tamara Belotti, Simone Ambretti, Manuela Imola, Anna Maria Mianulli, Maria Federica Pedna, Simone Cesaro, Giuliana Lo Cascio, Antonella Ferrari, Monica Piedimonte, Iolanda Santino, Monica Calandrelli, Attilio Olivieri, Francesca Orecchioni, M Mirabile, Riccardo Centurioni, Luciana Gironacci, Daniela Caravelli, Susanna Gallo, Marco Filippi, Luca Cupelli, Teresa Dentamaro, Silvana Falco, Ospedale S Eugenio, Serena Marotta, Antonio M. Risitano, Dora Lula, Pellegrino Musto, Giuseppe Pietrantuono, Antonio Traficante, Elisabetta Cerchiara, Maria Cristina Tirindelli, Giordano Dicuonzo, Anna Chierichini, Barbara Anaclerico

Notice bibliographique

RevueClinical Infectious Diseases · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueNeutropenia and Cancer Infections
Établissements canadiensnon disponible
Organismes subventionnairesHumanitas Research HospitalUniversità degli Studi di MilanoInfectious Diseases Society of AmericaOntario Institute for Regenerative MedicineOPEC Fund for International DevelopmentPfizer
Mots-clésMedicineHematopoietic stem cell transplantationInternal medicineBacteremiaHazard ratioTransplantationCumulative incidenceNeutropeniaIncidence (geometry)Confidence intervalGastroenterologySurgeryImmunologyChemotherapyAntibioticsMicrobiologyBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Gram-negative bacteremia (GNB) is a major cause of illness and death after hematopoietic stem cell transplantation (HSCT), and updated epidemiological investigation is advisable. METHODS: We prospectively evaluated the epidemiology of pre-engraftment GNB in 1118 allogeneic HSCTs (allo-HSCTs) and 1625 autologous HSCTs (auto-HSCTs) among 54 transplant centers during 2014 (SIGNB-GITMO-AMCLI study). Using logistic regression methods. we identified risk factors for GNB and evaluated the impact of GNB on the 4-month overall-survival after transplant. RESULTS: The cumulative incidence of pre-engraftment GNB was 17.3% in allo-HSCT and 9% in auto-HSCT. Escherichia coli, Klebsiella pneumoniae, and Pseudomonas aeruginosa were the most common isolates. By multivariate analysis, variables associated with GNB were a diagnosis of acute leukemia, a transplant from a HLA-mismatched donor and from cord blood, older age, and duration of severe neutropenia in allo-HSCT, and a diagnosis of lymphoma, older age, and no antibacterial prophylaxis in auto-HSCT. A pretransplant infection by a resistant pathogen was significantly associated with an increased risk of posttransplant infection by the same microorganism in allo-HSCT. Colonization by resistant gram-negative bacteria was significantly associated with an increased rate of infection by the same pathogen in both transplant procedures. GNB was independently associated with increased mortality at 4 months both in allo-HSCT (hazard ratio, 2.13; 95% confidence interval, 1.45-3.13; P <.001) and auto-HSCT (2.43; 1.22-4.84; P = .01). CONCLUSIONS: Pre-engraftment GNB is an independent factor associated with increased mortality rate at 4 months after auto-HSCT and allo-HSCT. Previous infectious history and colonization monitoring represent major indicators of GNB. CLINICAL TRIALS REGISTRATION: NCT02088840.

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)0,002
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 enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,040
Tête enseignante GPT0,368
Écart entre enseignants0,328 · 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

Citations160
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Infectious DiseasesMême sujetNeutropenia and Cancer InfectionsTravaux en français237 207