Rational Use of Immunoglobulin in Adult Patients with Secondary Hypogammaglobulinemia in the Setting of Hematologic Malignancy: A Canadian Perspective
Notice bibliographique
Résumé
Hypogammaglobulinemia is identified by the detection of low serum immunoglobulin (Ig) levels. Secondary hypogammaglobulinemia (SHG) is an acquired state in which circulating Ig levels are reduced due to suppressed antibody production or increased antibody loss. Specifically, SHG most commonly refers to low circulating total IgG levels. In contrast, primary hypogammaglobulinemia (PHG) is due to an underlying inborn error of immunity contributing to low or defective Ig production and frequent and/or severe infections. In patients with hematologic malignancies, it is important to evaluate baseline Ig (IgG, IgM, IgA) levels at the time of diagnosis. However, it may be challenging to distinguish whether low Ig levels are attributable to PHG or SHG, if antibody defects are identified in the context of hematologic malignancies (including chronic lymphocytic leukemia [CLL], lymphoma, and multiple myeloma), even before initiation of immunosuppressive treatment. PHG should be considered, especially in younger patients presenting with a hematologic malignancy who have a history of recurrent, severe infections. Treatment of several hematologic malignancies includes anti-CD20 B cell‑depleting therapy, which is known to cause the development of SHG. Advancements in lymphoma and myeloma management now incorporate bispecific antibody therapies and chimeric antigen receptor T-cell (CAR T-cell) therapies, which have revolutionized care for patients with disease refractory to conventional treatments. However, the risk of SHG is significant, with rates of ≥70% with bispecific antibody treatments and 20–46% with CAR T-cell therapies. Thus, patients with hematologic malignancies have a high rate of SHG attributable to both the underlying disease and associated treatment.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».