Cardiac allograft vasculopathy: pathology, prevention and treatment
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Cardiac transplantation is a recognized therapy for end-stage heart failure. Graft coronary artery disease is a chief determinant of long-term survival following cardiac transplantation. There are multiple purported etiologies for graft coronary artery disease including both immunologic and nonimmunologic factors. Immunologic factors include human leukocyte antigen mismatching, cytokine production, and activation of the cellular immune system. Nonimmunologic factors include diabetes, hypertension, hyperlipidemia, and cytomegalovirus infection, just to name a few. There are also donor and recipient factors including age, prior coronary artery disease in the donor heart, and mode of donor brain death. RECENT FINDINGS: The diagnosis of graft coronary artery disease is especially difficult, partially due to the de-innervated allograft, as well as to its inherent predilection to affect the medium-sized and smaller arteries in a concentric and diffuse nature. Conventional angiography can overlook this condition because of the lack of eccentric plaques in larger epicardial arteries. Intravascular ultrasonography, by contrast, is more sensitive in detecting graft coronary artery disease but is unable to visualize the entire arterial system. Treatment is challenging and often unrewarding, leading to re-transplantation. Prevention is therefore ideal and involves protection against endothelial injury before and during transplantation as well as after transplantation, with decreased ischemic time, aggressive attention to early rejection, risk factor modification, and close follow-up. SUMMARY: This review will look at the pathophysiology of graft coronary artery disease, current diagnostic and therapeutic choices, as well as existing and future directions.
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) | 0,003 | 0,001 |
| 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 ».