The Synergistic Effect of Class II HLA Epitope-Mismatch and Nonadherence on Acute Rejection and Graft Survival
Notice bibliographique
Résumé
Predicting long-term outcomes in renal transplant recipients is essential to optimize medical therapy and determine the frequency of posttransplant histologic and serologic monitoring. Nonadherence and human leukocyte antigen (HLA) mismatch are risk factors that have been associated with poor long-term outcomes and may help individualize care. In the present study, class II HLA mismatches were determined at the HLA epitope level in 195 renal transplant recipients in whom medication adherence was prospectively measured using electronic monitors in medication vial caps. Recipients were grouped by medication adherence and high (≥10 HLA-DR, ≥17 HLA-DQ) or low epitope-mismatch load. We found that the combination of higher epitope mismatch and poor adherence acted synergistically to determine the risk of rejection or graft loss. Nonadherent recipients with HLA-DR epitope mismatch ≥10 had increased graft loss (35% vs. 8%, p < 0.01) compared to adherent recipients with low epitope mismatch. At the HLA-DQ locus nonadherent recipients with HLA-DQ epitope mismatch ≥17 had increased graft loss (33% vs. 10%, p < 0.01) compared to adherent recipients with low epitope mismatch. Subclinical nonadherence early posttransplant combined with HLA class II epitope mismatch may help identify recipients that could benefit from increased clinical, histologic, and serologic monitoring.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».