Does age play a role in fever and neutropenia events and complications: A comparison of adolescents versus younger children with cancer at a tertiary care pediatric hospital, a pilot project
Notice bibliographique
Résumé
BACKGROUND: Adolescents and young adults with cancer (AYA) are a complex group of patients. The development of fever and neutropenia (FN) is a potentially lethal complication of chemotherapy. Risk stratification of patients with FN has become increasingly valuable allowing for early intervention and to guide treatment type and duration appropriately. There are risk stratification guidelines that exist, but most are validated in young children with cancer (YCWC). AYA are frequently shown to have more numerous and severe side effects from chemotherapy. AIMS: This study aimed to identify whether age contributes to the incidence and severity of FN. METHODS AND RESULTS: Patients diagnosed with a malignancy in a 5-year period at our institution were included from ages 0-18 years. We reviewed details of their FN events, including duration of hospital admission, source (bacterial/fungal), PICU admission and duration, positive blood cultures and mortality. Adolescents with cancer (AWC) had a trend of being 1.56 times more likely to have FN events (CI 95% 0.936-2.622, p = 0.087). Assessment of the duration of PICU stay showed that AWC were 4.9 times more likely to have longer admissions (CI 95% 0.998-24.067, p = 0.050). There was no significant difference between the two groups in the rate of PICU admission, positive cultures, identification of a bacterial or fungal source, hospital admission duration or mortality from FN. CONCLUSION: This study demonstrated a trend towards AWC being more likely to develop FN events. When such events occur in this group, the severity of them may be heightened as evidenced by longer duration of PICU admission.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 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 ».