Pretransplant Diabetes, Not Donor Age, Predicts Long-Term Outcomes in Cardiac Transplantation
Notice bibliographique
Résumé
BACKGROUND AND AIM: Accepting donors of advanced age may increase the number of hearts available for transplantation. Objectives were to review the outcomes of using cardiac donors 50 years of age and older and to identify predictors of outcome at a single institution. METHODS: A retrospective analysis of all adult cardiac transplants (n = 338) performed at our institution between 1988 and 2002 was conducted. RESULTS: Of these, 284 patients received hearts from donors <50 years old and 54 received hearts from donors > or =50 years old. Recipients of hearts from older donors had a greater frequency of pretransplant diabetes (19% vs 33%), renal failure (16% vs 30%), and dialysis (3% vs 9%). There were no differences in ICU or postoperative length of stay, days ventilated, or early rejection episodes. Recipients of older donor hearts, however, had increased perioperative mortality (7% vs 17%; p = 0.03). Multivariate analysis identified older donors (OR 2.599; p = 0.03) and donor ischemia time (OR 1.006; p = 0.002) as significant predictors of perioperative mortality. Actuarial survival at 1 (87% vs 74%), 5 (76% vs 69%), and 10 (59% vs 58%) years was similar (p = 0.08) for the two groups. Separate multivariate analyses identified pretransplant diabetes as the sole predictor of long-term survival (HR 1.659; p = 0.02) and transplant coronary disease (HR 2.486; p = 0.003). CONCLUSIONS: Despite increased perioperative mortality, donors > or =50 years old may be used with long-term outcomes similar to those of younger donor hearts. This has potential to expand the donor pool. Pretransplant diabetes has a significant impact on long-term outcomes in cardiac transplantation and requires further investigation.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 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 ».