Non-Aspergillus Hyaline Molds: A Host-Based Perspective of Emerging Pathogenic Fungi Causing Sinopulmonary Diseases
Notice bibliographique
Résumé
The incidence of invasive sino-pulmonary diseases due to non-Aspergillus hyaline molds is increasing due to an enlarging and evolving population of immunosuppressed hosts as well as improvements in the capabilities of molecular-based diagnostics. Herein, we review the following opportunistic pathogens known to cause sinopulmonary disease, the most common manifestation of hyalohyphomycosis: Fusarium spp., Scedosporium spp., Lomentospora prolificans, Scopulariopsis spp., Trichoderma spp., Acremonium spp., Paecilomyces variotii, Purpureocillium lilacinum, Rasamsonia argillacea species complex, Arthrographis kalrae, and Penicillium species. To facilitate an understanding of the epidemiology and clinical features of sino-pulmonary hyalohyphomycoses in the context of host immune impairment, we utilized a host-based approach encompassing the following underlying conditions: neutropenia, hematologic malignancy, hematopoietic and solid organ transplantation, chronic granulomatous disease, acquired immunodeficiency syndrome, cystic fibrosis, and healthy individuals who sustain burns, trauma, or iatrogenic exposures. We further summarize the pre-clinical and clinical data informing antifungal management for each pathogen and consider the role of adjunctive surgery and/or immunomodulatory treatments to optimize patient outcome.
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 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».