The impact of sirolimus on hepatocyte proliferation after living donor liver transplantation
Notice bibliographique
Résumé
Toso C, Patel S, Asthana S, Kawahara T, Girgis S, Kneteman NN, Shapiro AMJ, Bigam DL. The impact of sirolimus on hepatocyte proliferation after living donor liver transplantation. Clin Transplant 2009 DOI: 10.1111/j.1399‐0012.2009.01159.x © 2009 John Wiley & Sons A/S. Abstract: Background: There is a lack of data on the use of sirolimus after partial liver transplantation, especially regarding its impact on post‐transplant regeneration. Methods: We reviewed adult living donor transplantations, with de novo sirolimus (n = 7) and without sirolimus (n = 21). Liver biopsies were stained for KI‐67, a proliferation marker. Controls included specimens with normal liver parenchyma (n = 13). Results: Both groups had similar demographics, graft and patient survival and complication rates. During the first six wk and over the whole first year post‐transplant, the use of sirolimus was associated with lower levels of hepatocyte proliferation compared to sirolimus‐free patients, (overall, 0.3 [0–7.2] vs. 3 [0–49] KI‐67 positive hepatocytes per high power field, p ≤ 0.05). The levels observed in the sirolimus group were similar to those seen in non‐transplanted control patients with normal parenchyma (0.2 [0–1.3], p = NS). Post‐transplant hepatocyte proliferation correlated with the serum levels of sirolimus (p ≤ 0.05), but not with those of tacrolimus or with the dose of mycophenolate mofetil (p = 0.9 and 0.3, respectively). Conclusions: These data suggest that sirolimus is associated with decreased post‐transplant hepatocyte proliferation. The clinical significance of this observation remains to be fully determined.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».