Epstein‐Barr virus‐associated smooth muscle tumors after lung transplantation
Notice bibliographique
Résumé
BACKGROUND: Recipients of solid organ transplants are prone to various complications that are seldom encountered in immunocompetent individuals. Post-transplant lymphoproliferative disorder (PTLD) is the best known and commonest Epstein-Barr Virus (EBV)-associated malignancy post solid organ transplant. EBV-associated smooth muscle tumors (EBV-SMT) including leiomyomas and leiomyosarcomas are rare and much less studied than PTLD. We recently encountered two cases of EBV-SMT post lung transplantation and here we summarize their clinical features and course together with a literature review. METHOD: Clinical data and treatment details of two patients who developed EBV-SMT were reviewed and retrieved up to December 31, 2017. English literature was searched through the PubMed database from 1965 to 2017 for studies of the association between lung transplant and EBV-SMT. RESULTS: The incidence of PTLD is higher among lung transplant recipients compared to kidney transplant recipients, an observation that has been attributed to stronger immune suppression in the lung patients. EBV-SMT showed a higher incidence among kidney recipients than among lung recipients, suggesting that the degree of immunosuppression may be a less important factor in the development of EBV-SMT. EBV-SMT has most often been seen among lung transplant recipients with EBV mismatch. CONCLUSIONS: Because EBV-SMT is a rare tumor, its incidence, risk factors, and optimal management have not been well-defined and further study is needed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».