Liver transplant outcomes in HIV-infected patients: a systematic review and meta-analysis with synthetic cohort
Notice bibliographique
Résumé
OBJECTIVES: The relative success of liver transplantation in those with HIV compared to HIV-uninfected individuals remains a point of intense debate. We aimed to evaluate the effectiveness of liver transplantation in HIV-hepatitis co-infected patients using a meta-analysis and individual patient data meta-analysis as a synthetic cohort. METHODS: We searched MEDLINE via PubMed, EMBASE, Cochrane CENTRAL, AIDSLINE (inception to 2010), AMED, CINAHL, TOXNET, Development and Reproductive Toxicology, Hazardous Substances Databank, Psych-info and relevant conferences. We included cohort studies and individual case-reports evaluating survival of co-infected transplant patients. We abstracted data on cohort and case demographics and outcomes. We pooled cohorts using a random-effects analysis and created a synthetic cohort of cases using individual patient data. We confirmed this with the pooled cohort analysis. RESULTS: We included 15 cohort studies and 49 case series with individual patient data. At 12 months, 84.4% [95% confidence interval (CI) 81.1-87.8%] of patients had survived. Within the HIV-infected population evaluated, HIV-hepatitis B virus (HBV) co-infection was associated with optimal survival. In an adjusted model, individuals positive for HBV were 8.28 (95% CI 2.26-30.33) times more likely to survive when compared to those without HBV. Further, individuals with an undetectable HIV viral load at the time of transplantation were 2.89 (95% CI 1.41-5.91) times more likely to survive when compared to those with detectable HIV viremia. Hepatitis C virus was not a predictor of patient survival when adjusted for by other key predictors [0.54 (95% CI 0.17-1.80)].
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,017 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».