Low platelet count as risk factor for infections in patients with primary immune thrombocytopenia: a retrospective evaluation
Notice bibliographique
Résumé
Infectious complications are common and sometimes life threatening in patients with immune thrombocytopenia (ITP), mainly due to the immune-suppressive therapy. Recent evidence suggests a potential role of platelets in the inflammation process. In this clinical study, we further investigated the role of thrombocytopenia on infections in patients with primary ITP. We retrospectively evaluated data from the recently published large randomized clinical trial of a cohort of 195 patients with primary ITP, who were randomized for prednisone or high-dose dexamethasone. From 158 patients (81%), data on platelet count and infections within the first month of treatment were collected. In this period, 24% of the ITP patients had an infection. Patients with infection had significant lower platelet counts during the first month of treatment leading to a significant lower therapy response at 1 month and a significant longer hospital stay (14.0 versus 9.8 days). Additionally, Cox regression analysis showed that an increase in platelet count of 20 × 109/L led to a reduction of 52% in infections in the next week, showing low platelet count is a significant risk factor for infection. Platelet transfusion led to an increase in platelet count in ITP patients without infection, but not in patients with infection. In conclusion, infections are common in patients with primary ITP leading to significant worse response rates and a longer hospital stay. Interestingly, low platelet count was independently correlated with an increased risk of infection.
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) | 0,001 | 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 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 ».