Respiratory Viruses in Patients With Hematological Malignancy in Boreal Autumn/Winter 2023–2024: <scp>EPICOVIDEHA</scp>‐<scp>EPIFLUEHA</scp> Report
Notice bibliographique
Résumé
Community-acquired respiratory viral infections (CARV) significantly impact patients with hematological malignancies (HM), leading to high morbidity and mortality. However, large-scale, real-world data on CARV in these patients is limited. This study analyzed data from the EPICOVIDEHA-EPIFLUEHA registry, focusing on patients with HM diagnosed with CARV during the 2023-2024 autumn-winter season. The study assessed epidemiology, clinical characteristics, risk factors, and outcomes. The study examined 1312 patients with HM diagnosed with CARV during the 2023-2024 autumn-winter season. Of these, 59.5% required hospitalization, with 13.5% needing ICU admission. The overall mortality rate was 10.6%, varying by virus: parainfluenza (21.3%), influenza (8.8%), metapneumovirus (7.1%), RSV (5.9%), or SARS-CoV-2 (5.0%). Poor outcomes were significantly associated with smoking history, severe lymphopenia, secondary bacterial infections, and ICU admission. This study highlights the severe risk CARV poses to patients with HM, especially those undergoing active treatment. The high rates of hospitalization and mortality stress the need for better prevention, early diagnosis, and targeted therapies. Given the severe outcomes with certain viruses like parainfluenza, tailored strategies are crucial to improving patient outcomes in future CARV seasons.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».