MétaCan
Menu
Retour à la cohorte
Enregistrement W2006648453 · doi:10.4239/wjd.v6.i3.445

New-onset diabetes mellitus after kidney transplantation: Current status and future directions

2015· review· en· W2006648453 sur OpenAlexaff
Sneha Palepu

Notice bibliographique

RevueWorld Journal of Diabetes · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueRenal Transplantation Outcomes and Treatments
Établissements canadiensSt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineTransplantationDiabetes mellitusPopulationTacrolimusInternal medicineIncidence (geometry)Kidney transplantationCalcineurinImpaired glucose toleranceDiseaseMetabolic syndromeLiraglutideType 2 diabetesIntensive care medicineObesityEndocrinology

Résumé

récupéré en direct d'OpenAlex

A diagnosis of new-onset diabetes after transplantation (NODAT) carries with it a threat to the renal allograft, as well as the same short- and long-term implications of type 2 diabetes seen in the general population. NODAT usually occurs early after transplantation, and is usually diagnosed according to general population guidelines. Non-modifiable risk factors for NODAT include advancing age, African American, Hispanic, or South Asian ethnicity, genetic background, a positive family history for diabetes mellitus, polycystic kidney disease, and previously diagnosed glucose intolerance. Modifiable risk factors for NODAT include obesity and the metabolic syndrome, hepatitis C virus and cytomegalovirus infection, corticosteroids, calcineurin inhibitor drugs (especially tacrolimus), and sirolimus. NODAT affects graft and patient survival, and increases the incidence of post-transplant cardiovascular disease. The incidence and impact of NODAT can be minimized through pre- and post-transplant screening to identify patients at higher risk, including by oral glucose tolerance tests, as well as multi-disciplinary care, lifestyle modification, and the use of modified immunosuppressive regimens coupled with glucose-lowering therapies including oral hypoglycemic agents and insulin. Since NODAT is a major cause of post-transplant morbidity and mortality, measures to reduce its incidence and impact have the potential to greatly improve overall transplant success.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,324
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations120
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of DiabetesMême sujetRenal Transplantation Outcomes and TreatmentsTravaux en français237 207