Early Changes in Kidney Function Predict Long-Term Chronic Kidney Disease and Mortality in Patients After Liver Transplantation
Notice bibliographique
Résumé
BACKGROUND: Chronic kidney disease (CKD) is a well-known complication after liver transplantation (LT) and is associated with increased mortality. The purpose of this study was to determine risk factors of advanced CKD and mortality after LT. METHODS: Four hundred forty-five adult patients underwent LT between June 1990 and September 2007 and survived more than 1 month. Multivariate Cox regression analyses were performed for time to CKD stage 4 (glomerular filtration rate [GFR] ≤30 mL/min), time to chronic dialysis, and all-cause mortality. Several patient and disease characteristics were used as independent pre- and posttransplant variables. We specifically analyzed a drop more than or equal to 30% in the estimated GFR (eGFR) during the first year posttransplant. RESULTS: Diabetes mellitus pretransplant and a drop more than or equal to 30% in the eGFR between 3 and 12 months predicted CKD stage 4 (odds ratio [OR] 4.1, 95% confidence interval [CI] 1.9-5.4, P<0.001 and OR 16.1, 95% CI 5.9-44.5, P<0.0001, respectively), the need for chronic dialysis (OR 3.8, 95% CI 1.1-13.2, P=0.03 and OR 14.6, 95% CI 3.0-71.4, P<0.001, respectively), and all-cause mortality (OR 1.9, 95% CI 1.2-2.9, P=0.004 and OR 2.6, 95% CI 1.6-4.4, P<0.001, respectively), more than 1 year after LT. CONCLUSIONS: Diabetes mellitus pretransplant and a drop more than or equal to 30% in the eGFR within the first year are strong predictors of advanced CKD, chronic dialysis, and death more than 1 year after LT. These easily determined clinical variables define a population at risk for CKD who should be targeted for renal protection strategies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».