Clinical and laboratory predictors of fetal and neonatal alloimmune thrombocytopenia
Notice bibliographique
Résumé
Abstract Background Fetal and neonatal alloimmune thrombocytopenia (FNAIT) is the most common cause of intracranial hemorrhage (ICH) in thrombocytopenic term infants. We investigated clinical and laboratory predictors of severe FNAIT in a tertiary care referral center. Study Design and Methods Retrospective cohort study over a 30‐year period. We defined FNAIT as recurrence of neonatal thrombocytopenia in a subsequent pregnancy; and severe outcomes as any of: (1) a birth platelet count below 20 × 10 9 /L; (2) ICH or (3) fetal death. We used a generalized estimating equations analysis and classification tree analysis to identify risk factors for severe FNAIT in a subsequent pregnancy. Results During index pregnancies ( n = 135 in 131 mothers), 71 infants (52.6%) had severe outcomes including a platelet count <20 × 10 9 /L ( n = 45), fetal or neonatal ICH ( n = 32), or fetal death ( n = 4). During subsequent pregnancies ( n = 72), 15 infants (20.8%) had severe outcomes including birth platelets <20 × 10 9 /L ( n = 10), ICH ( n = 2), or death ( n = 3). Forty‐two women (58.3%) received antenatal intravenous immune globulin (IVIG) during subsequent pregnancies. Eight mothers ( n = 9 infants) had severe FNAIT outcomes despite receiving antenatal IVIG. Maternal antibodies to human platelet antigens (HPA) was the only independent predictor of severe FNAIT in a subsequent pregnancy (OR = 25.3, p = .004). Nevertheless, one of 43 infants from antibody‐negative mothers had a severe outcome. Conclusions The presence of anti‐HPA is highly indicative of the diagnosis of severe FNAIT; however, we observed one infant who had severe FNAIT recurrence, defined using strict clinical criteria, without a maternal antibody. Improved diagnostic and therapeutic strategies are needed to prevent severe FNAIT in high‐risk mothers.
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 ».