Race and renal function early after live kidney donation: an analysis of the United States Organ Procurement and Transplantation Network Database
Notice bibliographique
Résumé
Doshi M, Garg AX, Gibney E, Parikh C. Race and renal function early after live kidney donation: an analysis of the United States Organ Procurement and Transplantation Network database. Clin Transplant 2010 DOI: 10.1111/j.1399‐0012.2010.01209.x. © 2010 John Wiley & Sons A/S. Abstract: Among Americans, the risk for kidney disease is higher in individuals of African descent (AA) when compared with Caucasians. We considered whether there are similar racial differences in kidney function soon after donor nephrectomy. Of the 31 928 live kidney donors that donated between the years 2000 and 2005, 16 996 (53%) had post‐donation serum creatinine recorded at a mean follow‐up of 156 d (range 1–1410 d). A total of 14 525 (85%) were Caucasians and 2471 (15%) were AA. When compared with Caucasians, AA donors were more likely to be younger, heavier, and male, had a higher baseline serum creatinine and a shorter duration of follow‐up. After accounting for these differences, the serum creatinine after donation and fractional rise in serum creatinine after donation were similar between the two groups (AA vs. Caucasian donors, 1.3 ± 0.3 vs. 1.2 ± 0.3 mg/dL; 53% vs. 45%) and the post‐donation estimated glomerular filtration rate was also similar (57.2 ± 0.6 vs. 56.0 ± 0.2 mL/min per 1.73 m 2 ). We observed no major clinical difference in glomerular filtration rate and ability to compensate for loss of renal mass soon after live kidney donation between Caucasian and AA donors.
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 | 0,001 |
| 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 ».