Incidence and impact of prior history of serious infection in paediatric lymphoma: A population‐based study
Notice bibliographique
Résumé
Children, adolescents and young adults (CAYA) with lymphoma may have undiagnosed inborn errors of immunity (IEI). We assessed the prevalence of prior severe infections in CAYA lymphoma and evaluated its association with post-lymphoma outcomes through a population-based cohort of Ontario CAYA aged 0-21 years diagnosed with Hodgkin or non-Hodgkin lymphoma from 1992 to 2022, matching each case to five controls. Population-based healthcare data identified pre-diagnosis infection-related encounters. We also compared post-diagnosis intensive care unit (ICU) admissions and mortality in lymphoma patients with and without pre-lymphoma infection-related ICU admissions. 2950 CAYA (mean age diagnosis 15.5 ± 4.8 years) and 14 750 matched controls were included. Infection-related ICU admissions were nearly nine times more common among cases versus controls [4.8% vs. 0.6%; odds ratio [OR] 8.9 (95% confidence interval [95% CI]: 6.7-11.7); p < 0.0001]. CAYA with lymphoma and pre-lymphoma infection-related ICU admissions had significantly higher risks of post-lymphoma ICU admissions (6-month incidence: 38.5% vs. 6.6%; hazard ratio [HR] 7.3 [95% CI: 5.7-9.3]; p < 0.0001) and mortality (5-year overall survival: 66.6% vs. 93.5%; HR 6.6 [95% CI: 5.0-8.6]; p < 0.0001) than those without such a history. Findings did not differ by lymphoma subtype or age at diagnosis. A significant subset of CAYA with lymphoma likely has an undiagnosed IEI, with higher post-lymphoma infection and mortality risks. Systematic IEI evaluations may be warranted.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».