MétaCan
Menu
Retour à la cohorte
Enregistrement W1493387307 · doi:10.1111/j.1399-0012.2010.01282.x

Steroid minimization for sirolimus‐treated renal transplant recipients

2010· review· en· W1493387307 sur OpenAlexaff
Arthur J. Matas, Darla K. Granger, Dixon B. Kaufman, Minnie Sarwal, Ronald M. Ferguson, E. Steve Woodle, John S. Gill

Notice bibliographique

RevueClinical Transplantation · 2010
Typereview
Langueen
DomaineMedicine
ThématiqueRenal Transplantation Outcomes and Treatments
Établissements canadiensSt. Paul's Hospital
Organismes subventionnairesPfizer
Mots-clésSirolimusMedicineDiscontinuationImmunosuppressionCalcineurinContext (archaeology)SteroidTacrolimusRenal transplantKidney transplantationUrologyInternal medicineTransplantationPharmacology

Résumé

récupéré en direct d'OpenAlex

Matas AJ, Granger D, Kaufman DB, Sarwal MM, Ferguson RM, Woodle ES, Gill JS. Steroid minimization for sirolimus‐treated renal transplant recipients. Clin Transplant 2011: 25: 457–467. © 2010 John Wiley & Sons A/S. Abstract: Steroids are associated with a myriad of post‐transplant side effects. Therefore, as new immunosuppressive drugs have been developed, attempts have been made to minimize steroid exposure. Sirolimus (SRL) has been demonstrated to have efficacy in early and late post‐transplant immunosuppression. Accordingly, numerous trials have studied steroid minimization (early and late post‐transplant) in the context of SRL‐containing protocols (either with or without a calcineurin inhibitor). We herein review these trials and show that recent studies have determined that both late steroid withdrawal and early rapid discontinuation can be successful with SRL immunosuppression.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,950
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,153
Tête enseignante GPT0,452
Écart entre enseignants0,300 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical TransplantationMême sujetRenal Transplantation Outcomes and TreatmentsTravaux en français237 207