A Prospective, Multinational Pharmacoepidemiological Study of Clinical Conversion to Sirolimus Immunosuppression after Renal Transplantation
Notice bibliographique
Résumé
This prospective pharmacoepidemiological study examined treatment and outcomes in patients converted to sirolimus (SRL) after renal transplantation. 484 subjects in 36 centres in 7 countries were followed for up to 5 years. Principal reasons for conversion were declining graft function (146/484, 30%) and side effects of prior therapy (144/484, 30%) and the major treatment combinations after conversion were SRL ± MMF (62%), SRL + TAC (21.5%), SRL + CSA (16.5%). The cumulative probability of biopsy-confirmed acute rejection (BCAR) was 5% (n = 22), death-censored graft loss 12% (n = 56) and death 6% (n = 22), and there was no significant relationship to the treatment combination employed. Median calculated creatinine clearance was 48.4 (29.3, 64.5) mL/min at conversion, rising to 54.1 (41.2, 69.0) mL/min at month 1, 55.7 (39.0, 73.0) mL/min at month 12, 58.6 (39.7, 75.2) mL/min at two years and 60.9 (36.0, 77.0) mL/min at three years post-conversion. The most common adverse events were hypertension (47%), hyperlipidemia (26%), urinary tract infections (25%), anaemia (24%) and diarrhea (14%), and cardiac events, hyperlipemia and CMV infection were more common in patients converted during the first year. SRL was most frequently combined with MMF after conversion, but principal clinical outcomes were not significantly influenced by the treatment combination employed in normal practice.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».