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 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 | 0,004 |
| 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) | 0,003 | 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 ».