Supplemental Islet Infusions Restore Insulin Independence After Graft Dysfunction in Islet Transplant Recipients
Notice bibliographique
Résumé
BACKGROUND: The ability of supplemental islet infusions (SII) to restore insulin independence in islet transplant recipients with graft dysfunction has been attributed to the coadministration of exenatide. However, improving islet transplant outcomes could explain the success of SII. We aimed to determine the effect on islet graft function and insulin independence of SII using these new protocols, without the use of exenatide. METHODS: Seventeen islet transplant recipients underwent SIIs after developing graft dysfunction requiring insulin use. For induction therapy, four subjects received daclizumab induction therapy, whereas 13 subjects received thymoglobulin and etanercept. Maintenance immunosuppression consisted of sirolimus+tacrolimus or tacrolimus+cellcept. RESULTS: SII was performed 49.3+/-4.8 months (mean+/-SEM) after the preceding islet transplant. Subjects received significantly lower islet mass with their SII compared with initial transplant(s) (6076+/-492 vs. 9071+/-796 IEQ/kg; P=0.003). Fifteen of the 17 subjects (88.2%) became insulin independent 2.4+/-0.5 months after SII. Insulin-independent duration after SII exceeded that of the initial transplant(s) (24.8+/-2.2 vs. 14.2+/-2.6 months by Kaplan-Meier analysis, P=0.009). Subjects show improved glycemic control after SII (HbA1c 7.0%+/-0.2% pre-SII vs. 6.1%+/-0.2% post-SII, P=0.005) and did not become immunosensitized. CONCLUSION: Using current protocols, SII in the absence of exenatide results in impressive insulin-independence rates and the durability of insulin independence seems to be promising. However, a beneficial effect of exenatide should not be discounted until tested in randomized controlled studies.
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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».