Asparaginase activity monitoring and management of asparaginase hypersensitivity reactions in Canada
Notice bibliographique
Résumé
Background Pegaspargase (PEG), can cause anti-asparaginase (ASP) antibody formation, which can decrease its effectiveness without causing any clinically-apparent reaction (CAR) (silent inactivation [SI]). When a patient has SI, a switch to Erwinia ASP is warranted, but there is currently a global shortage of Erwinia. Up to 30% of patients receiving PEG will experience a CAR, while only 8% of patients will experience SI; the only way to distinguish between these is by measuring an ASP level. However, routine ASP monitoring is not currently standard of care at all Canadian centres. This study aims to identify variations in practice regarding ASP monitoring and Erwinia use. Procedure A 21-item survey was developed using OPINIO software and distributed to all Pediatric Hematology-Oncologists in Canada from Feb-Oct 2020. Results Respondents represented 15 hospitals across each region of Canada (response rate=52%). Only 39.2% of respondents reported routinely measuring ASP levels, yet 53% of respondents have modified therapy from PEG to Erwinia in up to half of their patients. The most common reason for not measuring ASP levels was not knowing how to use levels clinically (25.5%). There was variation in the timing of levels and their target. Conclusions We identified substantial variation in ASP activity monitoring practices across Canada. Therefore, future research should aim to develop a national practice guideline on ASP activity monitoring.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».