DOES PRETRANSPLANT OBESITY AFFECT THE OUTCOME IN KIDNEY TRANSPLANT RECIPIENTS?
Notice bibliographique
Résumé
P361 Aims: The effect of obesity on renal transplant outcome remains unclear due to conflicting published studies. The purpose of this study was to assess whether obesity affects the outcome in renal transplant patients. Methods: We retrospectively analyzed 33 obese (BMI >30; Mean = 34.1±3.68; Group I) and 35 non-obese (BMI ≤ 30; Mean= 23.6 ± 3.18; Group II) renal transplants performed at our centre between March 1999 to December 2002. These two groups were well matched with respect to age, sex, donor source, hypertension, diabetes, ischemic heart disease, hyperlipidemia, native kidney disease (PCKD, 6 vs. 4; Diabetic, 5 vs. 4; Glomerulonephritis, 6 vs. 7; FSGS, 2 vs. 2 and IgA, 2 vs. 7), HLA mismatch and immunosuppressants medications (Neoral, 21 vs. 25; tacrolimus, 11 vs. 10; Cellcept, 28 vs. 31; Prednisone, 33 vs. 35; ATG, 7 vs. 8; Basiliximab, 14 vs. 13 and Rapamycin, 5 vs. 2, Group I and II respectively). Follow up was from 7 months to 4.4 years. Results: Significant differences were noted in operating time, wound infection, perinephric hematoma, lymphocele and number of hospital days as shown in Table. There were no significant difference between the 2 groups in the incidence of wound dehiscence, deep vein thrombosis, pulmonary embolism, atelectasis, urine leak, delayed graft function, acute rejection rate, and the following post-transplant variables: diabetes mellitus, myocardial infarction, hyperlipidemia, hypertension and incisional hernia.FigureConclusions: We conclude that obesity significantly increases operating time, wound complications and hospitalizations.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».