Outcomes of patients with hematologic malignancies and COVID-19: a report from the ASH Research Collaborative Data Hub
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Coronavirus disease 2019 (COVID-19) is an illness resulting from severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) that emerged in late 2019. Patients with cancer, and especially those with hematologic malignancies, may be at especially high risk of adverse outcomes, including mortality resulting from COVID-19 infection. The ASH Research Collaborative COVID-19 Registry for Hematology was developed to study features and outcomes of COVID-19 infection in patients with underlying blood disorders, such as hematologic malignancies. At the time of this report, data from 250 patients with blood cancers from 74 sites around the world had been entered into the registry. The most commonly represented malignancies were acute leukemia (33%), non-Hodgkin lymphoma (27%), and myeloma or amyloidosis (16%). Patients presented with a myriad of symptoms, most frequently fever (73%), cough (67%), dyspnea (50%), and fatigue (40%). Use of COVID-19-directed therapies, such as hydroxychloroquine (n = 76) or azithromycin (n = 59), was common. Overall mortality was 28%. Patients with a physician-estimated prognosis from the underlying hematologic malignancy of <12 months at the time of COVID-19 diagnosis and those with relapsed/refractory disease experienced a higher proportion of moderate/severe COVID-19 disease and death. In some instances, death occurred after a decision was made to forgo intensive care unit admission in favor of a palliative approach. Taken together, these data support the emerging consensus that patients with hematologic malignancies experience significant morbidity and mortality resulting from COVID-19 infection. Batch submissions from sites with high incidence of COVID-19 infection are planned to support future analyses.
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.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle