MétaCan
Menu
Retour à la cohorte
Enregistrement W3184641414 · doi:10.1136/bcr-2021-244227

Cold agglutinin disease and COVID-19 requiring therapeutic plasma exchange

2021· article· en· W3184641414 sur OpenAlexaff
Yousuf Ahmed, Aditi Khandelwal, Laura Walker

Notice bibliographique

RevueBMJ Case Reports · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueBlood groups and transfusion
Établissements canadiensSt. Michael's HospitalCanadian Blood ServicesUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTherapeutic plasma exchangeCold agglutinin diseaseApheresisMedicineCold AgglutininCoronavirus disease 2019 (COVID-19)PneumoniaEmergency departmentInternal medicineGastroenterologySurgeryAnesthesiaImmunologyAnemiaDiseaseAutoimmune hemolytic anemiaInfectious disease (medical specialty)Antibody

Résumé

récupéré en direct d'OpenAlex

A 70-year-old man with known cold autoimmune haemolytic anaemia was referred to the emergency department with increased shortness of breath on exertion. He had been confirmed positive for non-variant COVID-19 infection 1 week earlier based on nasopharyngeal swab PCR assay. CT thorax demonstrated diffuse patchy bilateral ground glass opacities, consistent with COVID-19 pneumonia. Bloodwork demonstrated severe cold agglutinin mediated haemolytic anaemia. To help stabilise the patient, he was transferred to a tertiary care hospital for urgent therapeutic plasma exchange. Key supportive therapy included folic acid supplementation, ensuring the patient was kept warm and warmed infusions including transfusions via the apheresis machine. The patient made a good recovery following plasma exchange, and his haemoglobin levels remained stable by discharge.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,513

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,335
Écart entre enseignants0,284 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeÉtude de cas
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Case ReportsMême sujetBlood groups and transfusionTravaux en français237 207