Risk factors for islet loss during culture prior to transplantation
Notice bibliographique
Résumé
Culturing islets can add great flexibility to a clinical islet transplant program. However, a reduction in the islet mass has been frequently observed during culture and its degree varies. The aim of this study was to identify the risk factors associated with a significant islet loss during culture. One-hundred and four islet preparations cultured in an attempt to use for transplantation constituted this study. After culture for 20 h (median), islet yield significantly decreased from 363 309 +/- 12 647 to 313 035 +/- 10 862 islet equivalent yield (IE) (mean +/- SE), accompanied by a reduction in packed tissue volume from 3.9 +/- 0.1 to 3.0 +/- 0.1 ml and islet index (IE/islet particle count) from 1.20 +/- 0.04 to 1.05 +/- 0.04. Culture did not markedly alter islet purity or percent of trapped islet. Morphology score and viability were significantly improved after culture. Of 104 islet preparations, 37 suffered a substantial islet loss (> 20%) over culture. Factors significantly associated with risk of islet loss identified by univariate analysis were longer cold ischemia time, two-layer method (TLM) preservation, lower islet purity, and higher islet index. Multivariate analysis revealed that independent predictors of islet loss were higher islet index and the use of TLM. This study provides novel information on the link between donor- isolation factors and islet loss during culture.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».