Notice bibliographique
Résumé
A stressful predicament for blood bankers!Monoclonal immunotherapeutic drugs are becoming an effective way to attack certain cancers and other conditions.Some of these antibodies recognise red blood cells (RBCs) as well as their intended cancer cell targets and can create considerable havoc in transfusion services when trying to provide compatible blood for transfusion to those patients who are receiving these medications. [1][2]2][3] Anti-CD38 (daratumumab; DARA) is one example that has been used for a few years now and is FDA approved for use in multiple myeloma patients; unfortunately, it causes panagglutination in serologic tests. 1,4,5The good news is that these serologic reactions are relatively weak (1+ to 2+), and various ways have been reported around the anti-CD38 panagglutination, enabling elucidation of potentially clinically significant underlying alloantibodies. 4These various approaches include the use of dithiothreitol (DTT) and other means to work around this issue and allow more assurances that no potentially clinically significant alloantibodies underly the panagglutination. 4,5fortunately, another monoclonal antibody, termed Hu5F9-G4 (anti-CD47), is an antibody that targets CD47 on cells.CD47 is found in high density on many types of cancer cells and is especially highly expressed on RBCs.CD47 acts, presumably, as a signal to monocytemacrophages to not phagocytose the cells 3,6 , and anti-CD47 can block the "don't eat me" signal and allow cells to be phagocytosed.When anti-CD47 is administered to certain cancer patients, it is given at very high dosage, which creates huge problems for transfusion services during their serologic evaluations related to type and screen and provision of compatible blood.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».