Tacrolimus-induced leukopenia in a kidney transplant recipient: A case study
Notice bibliographique
Résumé
Introduction: Leukopenia occurs in 10%-55% of patients after kidney transplant and neutropenia occurs in approximately 28% of patients after kidney transplant. Resolution of leukopenia and neutropenia is done through treatment of the pathogen, such as cytomegalovirus, or removing the offending medication. Medications that are first thought to contribute to leukopenia include Valganciclovir, Sulfamethoxazole-Trimethoprim, and Mycophenolic Acid. Tacrolimus rarely contributes to leukopenia and neutropenia post kidney transplantation.Case presentation: This case study presents a patient who developed leukopenia and neutropenia 13 weeks after solitary kidney transplantation.Management: Mycophenolate Mofetil, Valganciclovir, Ergocalciferol, Aspirin, Famotidine, and Sulfamethoxazole-Trimethoprim were all discontinued. Filgrastim was used intermittently to increase white blood cell count. Ultimately, Tacrolimus was switched to Cyclosporine.Outcome: Leukopenia was resolved by switching Tacrolimus to Cyclosporine-based immunosuppression.Discussion: A systematic approach should be taken to resolve leukopenia post-kidney transplant. When a kidney transplant recipient is on Tacrolimus-based immunosuppression, Tacrolimus should be the last medication changed when attempting to resolve leukopenia.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,005 | 0,004 |
| 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 ».