MétaCan
Menu
Retour à la cohorte
Enregistrement W4376107823 · doi:10.1200/edbk_390778

COVID-19 and Other Viral Infections in Patients With Hematologic Malignancies

2023· article· en· W4376107823 sur OpenAlexaff
Courtney E. Harris, Abi Vijenthira, Shin Yeu Ong, Lindsey R. Baden, Lisa K. Hicks, John H. Baird

Notice bibliographique

RevueAmerican Society of Clinical Oncology Educational Book · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensSt. Michael's HospitalPrincess Margaret Cancer CentreUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineTocilizumabChimeric antigen receptorImmunologyPopulationDiseaseImmune systemInternal medicineImmunotherapy

Résumé

récupéré en direct d'OpenAlex

COVID-19 and our armamentarium of strategies to combat it have evolved dramatically since the virus first emerged in late 2019. Vaccination remains the primary strategy to prevent severe illness, although the protective effect can vary in patients with hematologic malignancy. Strategies such as additional vaccine doses and now bivalent boosters can contribute to increased immune response, especially in the face of evolving viral variants. Because of these new variants, no approved monoclonal antibodies are available for pre-exposure or postexposure prophylaxis. Patients with symptomatic, mild-to-moderate COVID-19 and risk features for developing severe COVID-19, who present within 5-7 days of symptom onset, should be offered outpatient therapy with nirmatrelvir/ritonavir (NR) or in some cases with intravenous (IV) remdesivir. NR interacts with many blood cancer treatments, and reviewing drug interactions is essential. Patients with severe COVID-19 should be managed with IV remdesivir, tocilizumab (or an alternate interleukin-6 receptor blocker), or baricitinib, as indicated based on the severity of illness. Dexamethasone can be considered on an individual basis, weighing oxygen requirements and patients' underlying disease and their perceived ability to clear infection. Finally, as CD19-targeted and B-cell maturation (BCMA)-targeted chimeric antigen receptor (CAR) T-cell therapies become more heavily used for relapsed/refractory hematologic malignancies, viral infections including COVID-19 are increasingly recognized as common complications, but data on risk factors and prophylaxis in this patient population are scarce. We summarize the available evidence regarding viral infections after CAR T-cell therapy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,087
Tête enseignante GPT0,478
Écart entre enseignants0,391 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Society of Clinical Oncology Educational BookMême sujetCAR-T cell therapy researchTravaux en français237 207