Evaluating potential live-renal donors: Causes for rejection, deferral and planned procedure type, a single-centre experience
Notice bibliographique
Résumé
BACKGROUND: Renal transplantation is the preferred therapy to extend life expectancy and quality of life for patients with chronic kidney disease. There are many barriers in the process of live kidney donation that prevent the timely progression from organ requirement to transplantation, including the progression of the live donor through a medical evaluation. We assess how easily patients complete the donor workup, how often the medical evaluation identifies significant incidental findings, and which surgical procedure is planned for organ retrieval. METHODS: We reviewed our donor database and the minutes from our multidisciplinary rounds from 2002 to 2008 to assess how medical, radiological and psychological findings were used to decide on the candidacy of potential donors. RESULTS: Half (50.2%) of patients did not pass the initial health screen. Of the 467 patients who progressed beyond the health screen to the computed tomographic angiogram evaluation, 48 (10.3%) were excluded as donors and 419 (89.7%) were accepted. Of those accepted, 136 (32.5%) were conditional on further medical workup. Of the patients accepted (n=419), 375 (89.5%) were planned for laparoscopic left-sided approach. CONCLUSIONS: The vast majority of patients who passed the initial health screen for kidney donation will be accepted as donors, but about one-third will require further workup. It is rare to identify life-threatening disease on screening computerized tomographic angiograph for kidney donor workup.
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 | 0,001 |
| 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) | 0,001 | 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 ».