Immunoglobulin-G subclass antidonor reactivity in transplant recipients
Notice bibliographique
Résumé
Outcomes may differ after kidney transplantation compared to combined liver-kidney transplantation. In animal models, distinct patterns of antidonor immunoglobulin (Ig) G subclasses are associated with either rejection or transplant tolerance. Flow cytometry has increased the sensitivity of antidonor immunoglobulin detection. We compared antidonor IgG subclass responses in kidney transplant recipients to those in recipients of liver or multiorgan grafts. In this study of 19 organ (kidney, liver, pancreas) transplantations, recipient serum incubated with donor splenocytes was tested by flow cytometry for the presence of IgM, IgG, or IgG subclass 1-4. Sera before transplantation and 10 days and 100 days after transplantation were used. No differences were seen in antidonor IgM, IgG, or IgG subclass antibodies among recipients of kidney transplants and liver grafts or combination grafts, either before or after transplantation. IgG4 gradually but significantly increased after transplantation in all groups. High levels of antidonor IgG3 either before transplantation or produced after it were found in 3 kidney recipients who experienced acute rejection. No other patients experienced rejection, and no other increase in IgG3 was seen. In conclusion, antidonor IgG subclass profiles may be useful to distinguish populations at risk of rejection but they do not differentiate the immunological response after kidney transplantation from that after liver or combined transplantation. A late rise in antidonor IgG4 is consistent with decreased antidonor reactivity thought to occur late after transplantation.
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 | 0,000 |
| 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 ».