Relative Importance of HLA Mismatch and Donor Age to Graft Survival in Young Kidney Transplant Recipients
Notice bibliographique
Résumé
BACKGROUND: The American deceased-donor (DD) kidney allocation algorithm for children emphasizes the importance of younger donors and shorter waiting times over human leukocyte antigen (HLA) matching. We sought to compare the relative importance of donor age with that of HLA mismatching (MM) on graft survival. METHODS: We studied patients less than 21 years old recorded in the U.S. Renal Data System, who received a first transplant from a DD 5 years old or younger or from a living donor (LD). Using separate Cox proportional hazards models for DD and LD recipients, we estimated the adjusted 5-year probability of graft survival for each donor age-HLA MM combination and compared estimated graft survival across the different HLA MM-donor age combinations. RESULTS: Both donor age and HLA MM were significantly associated with DD graft survival, whereas only HLA MM had a significant association with LD graft survival. Compared with DD grafts from less than 35-year-old 4-6 MM donors, survival was not significantly different for 0-1 and 2-3 MM grafts from 35- to 44-year-old donors or for 0-1 MM grafts from donors 45 years old or older. The most poorly matched grafts from the oldest LD had survival similar to or better than any DD. CONCLUSIONS: Donor age and HLA MM both play important roles in determining DD graft survival. The advantages of younger donors offset the disadvantages of poorer HLA matching, and better HLA matching offsets the disadvantages of older donor age.
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 ».