Vaccine-induced immune thrombotic thrombocytopenia: Updates in pathobiology and diagnosis
Notice bibliographique
Résumé
Coronavirus disease 2019 (COVID-19) is a viral respiratory infection caused by the severe acute respiratory syndrome virus (SARS-CoV-2). Vaccines that protect against SARS-CoV-2 infection have been widely employed to reduce the incidence of symptomatic and severe disease. However, adenovirus-based SARS-CoV-2 vaccines can cause a rare, thrombotic disorder termed vaccine-induced immune thrombotic thrombocytopenia (VITT). VITT often develops in the first 5 to 30 days following vaccination and is characterized by thrombocytopenia and thrombosis in unusual locations (e.g., cerebral venous sinus thrombosis). The diagnosis is confirmed by testing for anti-PF4 antibodies, as these antibodies are capable of platelet activation without any cofactor. It can be clinically challenging to differentiate VITT from a similar disorder called heparin-induced thrombocytopenia (HIT), since heparin is commonly used in hospitalized patients. VITT and HIT have similar pathobiology and clinical manifestations but important differences in testing including the need for PF4-enhanced functional assays and the poor reliability of rapid immunoassays for the detection of anti-platelet factor 4 (PF4) antibodies. In this review we summarize the epidemiology of VITT; highlight similarities and differences between HIT and VITT; and provide an update on the clinical diagnosis of VITT.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».