Monitoring practices of chronic lung allograft dysfunction in pediatric lung transplantation
Notice bibliographique
Résumé
INTRODUCTION: Chronic lung allograft dysfunction (CLAD) continues to negatively impact the survival of pediatric lung transplant (LTx) recipients. Current consensus guidelines are adult-focused. We sought to examine CLAD detection and monitoring practices at pediatric LTx programs. METHODS: We conducted a survey among the International Pediatric Lung Transplant Collaborative. Questions consisted of practitioner's experience, LTx program demographics, and querying tests used for CLAD surveillance and detection. Investigations queried included: chest x-ray (CXR), chest computed tomography (CT), lung magnetic resonance imaging (MRI), ventilation/perfusion scanning, conventional pulmonary function testing (PFT), multiple breath washout (MBW), infant/preschool PFT, bronchoalveolar lavage, transbronchial biopsies (TBBx), or other tissue sampling techniques. Preferences for certain modalities over others were questioned based on a five-point Likert scale. RESULTS: Twenty-four of 25 programs responded. Chest CT and CXR are used generally for both CLAD surveillance and detection. No programs use lung MRI clinically, it may have some utility in the future. While all centers use conventional PFT, MBW, and infant/preschool PFT are used in one-fifth and one-third of centers, respectively. While the majority of programs use TBBx, only 41.7% would obtain a diagnosis based on tissue histopathology over noninvasive techniques if CLAD is suspected. Utilization of biomarkers is still limited. CONCLUSIONS: Our results indicate continued use of conventional PFT along with chest CT and less so CXR for CLAD detection and monitoring in the large majority of centers. Infant/preschool PFT and novel methods such as MBW are used in a few centers only. Respondents agreed there is a timely need for pediatric consensus guidelines on CLAD detection and 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».