Approach to autologous stem cell transplantation in a patient with severe cold agglutinin disease, a case report
Notice bibliographique
Résumé
BACKGROUND: Cold agglutinin disease (CAD) or syndrome (CAS) can be particularly challenging when autologous stem cell transplant (ASCT) is needed. Standard peripheral blood stem cell (PBSC) collection and manipulation involve ex vivo blood manipulations at lower than body temperature, predisposing to agglutination during graft collection, handling, processing, and infusion. STUDY DESIGN AND METHODS: We describe the first case of ASCT for relapsing lymphoma in a patient with high-titer CAD requiring anti-complement therapy and chronic transfusion. To prevent agglutination, five therapeutic plasma exchange sessions were performed prior to PBSC collection. Optimal thermal conditions were maintained using various approaches to increase the temperature of the room, venous return lines, and the apheresis device. Ex vivo graft manipulation was conducted under similar conditions. An infusion test was performed with a fraction of the graft a month prior to ASCT to confirm tolerability. RESULTS: The infusion test was performed without complications. A month later, the patient was admitted for ASCT. The aplasia phase was particularly challenging, as the patient experienced a rapid drop in hemoglobin levels due to hemolysis without compensatory reticulocytosis. Twelve months after ASCT, chronic hemolysis persists, but the patient is now transfusion-free, and the lymphoma remains in remission. DISCUSSION: Performing ASCT in patients with clinically significant CAS or CAD is challenging but can be done safely. Strong coordination between the apheresis team, cell therapy laboratory, and clinical unit is paramount to the success of this procedure. The experience gained from this case may also be applicable to other cell therapy procedures.
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) | 0,000 | 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 | 0,000 |
| 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 ».