1738. Incidence and Outcomes of Hospitalization with Invasive Fungal Infection Among Solid-Organ Transplant Recipients: A Population-Based Cohort Study
Notice bibliographique
Résumé
Abstract Background Invasive fungal infection (IFI) in solid-organ transplant (SOT) recipients is associated with significant morbidity and mortality. The long-term probability of post-transplant IFI is poorly understood. Methods We conducted a population-based cohort study using linked administrative healthcare databases from Ontario, Canada to determine the incidence rate, 1-, 5- and 10-year cumulative probability of IFI-related hospitalization, and 1-year post-IFI all-cause mortality in SOT recipients from 2002 to 2016. We also examined post-IFI death-censored graft failure in renal transplant patients. Results We included 9326 SOT recipients (median follow-up 5.35 years). Overall, the incidence of IFI was 8.3 per 1000 person-years (95% confidence interval [CI]: 7.5–9.1). The 1-year cumulative probability of IFI was 7.4% (95% CI: 5.8–9.3%), 5.4% (95% CI: 3.6–8.1%), 1.8% (95% CI: 1.3–2.5%), 1.2% (95% CI: 0.5–3.2%), and 1.1% (95% CI: 0.9–1.4%) for lung, heart, liver, kidney-pancreas, and kidney-only transplant recipients, respectively. Lung transplant recipients had both the highest incidence rate and the highest 10-year probability of IFI: 43.0 per 1,000 person-years (95% CI: 36.8–50.0) and 26.4% (95% CI: 22.4–30.9%), respectively. Lung transplantation was also associated with the highest 1-year cumulative probability of post-IFI all-cause mortality (40.2%,95% CI: 33.1–48.3%). Among kidney transplant recipients, the 1-year probability of death-censored graft failure after IFI was 9.8% (95% CI: 6.0–15.8%). Conclusion The 1-year cumulative probability of IFI varies widely among SOT recipients. Lung transplantation was associated with the highest incidence of IFI with considerable 1-year all-cause mortality. The findings of this study considerably improved our understanding of the long-term probability of post-transplant IFI. Disclosures All authors: No reported disclosures.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».