Donor and Isolation Variables Predicting Human Islet Isolation Success
Notice bibliographique
Résumé
BACKGROUND: Recent advances in the fields of islet transplantation and in vitro islet cell expansion place a renewed emphasis on the optimization of islet isolation from cadaveric human donor organs. We retrospectively analyzed 171 islet isolations to identify variables that predict islet yield and isolation success. METHODS: Cadaveric human donor pancreata were procured and processed according to established protocols. Donor-, procurement-, and isolation-related variables were analyzed for correlation with islet yield and isolation success (> or =250,000 islet equivalents). RESULTS: Univariate analysis suggested correlations between islet yield and donor age (P<0.005), body surface area (P<0.005), duration of enzymatic digestion (P<0.001), and pancreatic beta-cell volume (P<0.05). Donor sex (P<0.01), procurement team (P<0.05), and peridigestion serine protease inhibition (P<0.05) affected islet yield, whereas enzyme lot (P<0.01) and pancreatic fatty infiltration (P<0.05) influenced isolation success. By logistic regression, donor sex and age, and duration of enzymatic digestion could predict a successful isolation with 72% accuracy. The use of Liberase CI improved islet yield (P<0.05) in young donors (< or =25 years). CONCLUSIONS: While donor-related variables are useful in predicting islet yield, these are likely surrogates for pancreatic beta-cell volume. Enzyme lot, and the associated duration of enzymatic digestion (P<0.05), appears to be key determinants of isolation 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 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 ».