Implementation of a Routine Screening Program for Latent Tuberculosis Infection among Patients with Acute Leukemia at a Canadian Cancer Center
Notice bibliographique
Résumé
Background: Screening for latent tuberculosis infection (LTBI) in patients with hematological malignancy is recommended because of their increased risk of tuberculosis (TB). We assessed the utility of tuberculin skin test (TST) screening in patients with acute leukemia and subsequent outcomes of LTBI treatment. Methods: We retrospectively evaluated patients ≥16 years of age with acute leukemia from 2013–2014 with a TST planted and read prior to the initiation of antineoplastic chemotherapy treatment. Demographics, clinical information and treatment outcomes of LTBI therapy were compared between patients with positive TST (≥10 mm induration) and negative TST. Results: A total of 389 patients with acute leukemia were included in the cohort. Of them, 37/389 (9.5%) had a positive TST. Only 3.4% (8/235) of individuals originating from North and South America as well as the Caribbean were TST positive, while 21% (20/95) of individuals from Asia were TST positive. Diagnostic imaging findings consistent with prior tuberculosis infection were higher in TST positive patients compared to TST negative ones (29.7% versus 9.4%, p < 0.0001). Furthermore, 31/38 patients (81.6%) who were TST positive received LTBI therapy, which was well tolerated. There was no significant difference in overall survival among those who received LTBI therapy compared to those who did not. No patients developed active TB. Conclusions: Universal screening with TST may be of low yield in individuals with acute leukemia unless patients originate from a TB endemic country. When therapy for LTBI is prescribed, patients with acute leukemia do not experience drug-induced liver toxicity and are likely to complete the intended duration of therapy, thus preventing the development of active tuberculosis.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».