Probabilistic Modeling of Cytomegalovirus Infection Under Consensus Clinical Management Guidelines
Notice bibliographique
Résumé
BACKGROUND: Cytomegalovirus (CMV) is the most common viral pathogen after renal transplantation and remains a major therapeutic challenge with important clinical and economic implications from both direct and indirect consequences of infection. METHODS: This 5-year study modeled the relationship between CMV infection and biopsy-proven graft rejection, graft loss, or death after renal transplantation in an inception cohort using Canadian consensus guidelines for CMV management as a component of a detailed cost-analysis of viral infection. RESULTS: Probabilities of CMV viremia and syndrome/disease among 270 sequential graft recipients were 0.27 and 0.09, respectively; 91% of cases occurred in the first 6 months. Probability of CMV infection as the first event was 0.29, with a probability of subsequent biopsy-proven acute rejection (BPAR) of 0.05 (mean: 62+/-26 days, range: 32-85 days), whereas the probability of BPAR as the first event was 0.18, with a probability of subsequent CMV infection of 0.38 (mean: 63+/-31, range: 27-119 days). Probability of freedom from both CMV infection and BPAR throughout the period of observation was 0.53. Time-dependent Cox analysis showed that neither donor/recipient CMV risk stratum nor CMV infection influenced the risks of BPAR (P=0.24; P=0.74) or of graft loss or death (P=0.26; P=0.34). In contrast, BPAR significantly increased the risk of both subsequent CMV infection (hazard ratio=1.77, P=0.03) and of graft loss or death (hazard ratio=8.31, P<0.0001). CONCLUSIONS: Although current antiviral therapy seems to mitigate the reported deleterious effects of CMV infection on BPAR or graft survival, BPAR remains a significantly risk factor for both CMV infection and functional graft survival.
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 | 0,001 | 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 ».