A Description of the Type, Frequency and Severity of Infections Among Sixteen Patients Treated for T-Cell Lymphoma
Notice bibliographique
Résumé
BACKGROUND: Infections are an important cause of morbidity and mortality in T-cell lymphomas. Factors contributing to increased risk of infection include the nature of the underlying disease, as well as treatment-associated immunosuppression. Currently there are few reports describing the types of infections, including preventable infections, in this cohort of patients. The aim of the study was to identify the type, frequency and severity of infection in patients with T-cell lymphoma undergoing treatment. METHODS: A case series was performed on all patients with T-cell lymphoma over a 5-year period from 2011 to 2016 at a tertiary Australian hospital. Information was collected from medical record review regarding patient demographics, lymphoma treatment and outcomes, and infectious outcomes. Severe infections were recorded, defined as infection requiring hospitalization. RESULTS: , with the most common source of infection being skin and soft tissue. There was one case of cytomegalovirus (CMV) infection and five cases (12%) of invasive fungal infection. The highest rates of infection occurred during progressive disease. Rates of prophylaxis were highest with antiviral agents, and comparatively lower with antibacterial and antifungal agents. CONCLUSION: Infections are frequent, opportunistic and severe in patients with T-cell lymphoma. Our data suggests that fungal prophylaxis may be indicated with T-cell lymphoma.
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) | 0,000 | 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 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 ».