Screening to Prevent Polyoma Virus Nephropathy: A Medical Decision Analysis
Notice bibliographique
Résumé
Polyomavirus nephropathy (PVN) is an emerging medical dilemma in kidney transplantation. Methods to screen before clinical disease are available and early immunosuppression reduction may change the natural history of progression. However, the consequences of an increase in rejection may limit the benefits. In a simulation model a 'screen' versus 'no-screen' strategy was compared. Baseline PVN cumulative incidence was assumed to be 4%. Patients with PVN were modeled to have 4-fold higher risk of graft loss. In the screen strategy, patients positive for blood DNA PCR had their immunosuppression reduced. This pre-emptive change was modeled to reduce progression to overt PVN by 80%. Therapy reduction was associated with a 10% risk of precipitating acute rejection and greater risk of chronic allograft loss. In the baseline case, screening saved 1912 dollars (discounted) and produced 0.020 more quality adjusted life years (QALYs) than not screening. Screening resulted in decreased net QALYs if the false positive viremia rate was >9.5% and the PVN incidence was <2.1%. Much of the cost savings of screening relate to savings from immunosuppression reduction in the screened arm. Screening may well be cost-effective if not cost saving in centers with high PVN rates. There remain significant areas of uncertainty.
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 | 0,007 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».