An Integrated View of Molecular Changes, Histopathology and Outcomes in Kidney Transplants
Notice bibliographique
Résumé
Data-driven approaches to deteriorating kidney transplants, incorporating histologic, molecular and HLA antibody findings, have created a new understanding of transplant pathology and why transplants fail. Transplant dysfunction is best understood in terms of three elements: diseases, the active injury-repair response and the cumulative burden of injury. Progression to failure is mainly attributable to antibody-mediated rejection, nonadherence and glomerular disease. Antibody-mediated rejection usually develops late due to de novo HLA antibodies, particularly anti-class II, and is often C4d negative. Pure treated T cell-mediated rejection does not predispose to graft loss because it responds well, even with endothelialitis, but it may indicate nonadherence. The cumulative burden of injury results in atrophy-fibrosis (nephron loss), arterial fibrous intimal thickening and arteriolar hyalinosis, but these are not progressive without ongoing disease/injury, and do not explain progression. Calcineurin inhibitor toxicity has been overestimated because burden-of-injury lesions invite this default diagnosis when diseases such as antibody-mediated rejection are missed. Disease/injury triggers a stereotyped active injury-repair response, including de-differentiation, cell cycling and apoptosis. The active injury-repair response is the strongest correlate of organ function and future progression to failure, but should always prompt a search for the initiating injury or disease.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».