BK virus replication following kidney transplant: Does the choice of immunosuppressive regimen influence outcomes?
Notice bibliographique
Résumé
The increasing prevalence of BK virus nephropathy (BKVN) observed in recent years, with its consequent impact on kidney allograft survival rates, has focused attention on the relationship between immunosuppression regimens and risk of BK virus reactivation. The adoption of more potent immunosuppressive regimens over the last two decades, notably tacrolimus with mycophenolic acid and corticosteroids, appears to be associated with higher rates of BK activation. There is also evidence of a specific increase in risk for tacrolimus-based immunosuppression vs. cyclosporine, which in vitro data suggest may be at least partly due to differences in antiviral activity. Early concerns that mammalian target of rapamycin (mTOR) inhibitor use was associated with development of BKVN do not appear to have been borne out. Protocol-driven BK virus screening is recommended to facilitate early diagnosis and intervention, which primarily comprises the controlled reduction or discontinuation of immunosuppressive drugs. Although a consensus on the optimal strategy for immunosuppression modification is still lacking, early diagnosis of BK reactivation and pre-emptive modification of immunosuppression has resulted in a marked improvement in graft outcomes. Typically, intervention consists of reducing calcineurin inhibitor exposure before or after antimetabolite dose reduction, withdrawal of one agent from a triple therapy regimen, or switching between agents within a therapeutic class. A benefit for antiviral therapy is not yet confirmed. While more data are required, the current evidence base is adequate to justify routine screening with early modification of the intensity and nature of the immunosuppression regimen to reduce the toll of BKVN in the kidney transplant population.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 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 ».