Estimating the long term impact of kidney donation on life expectancy and end stage renal disease
Notice bibliographique
Résumé
BACKGROUND: Long term studies of live kidney donation do not show evidence of appreciable risks to the donor. However nephrectomy reduces total glomerular filtration rates (GFR) and is associated with increased rates of proteinuria and possibly hypertension. It is not clear to what extent these changes are associated with reduced life expectancy (LE) or increased risk of end stage renal disease (ESRD) since follow up is incomplete in most reports. METHODS: In a computer simulation model based on a US population chronic kidney disease model, increased hazard rates for higher blood pressure, proteinuria and low GFR were applied to healthy individuals undergoing donor nephrectomy. Subsequent LE and cumulative risk of ESRD were calculated. RESULTS: Kidney donation is projected to reduce LE by 0.83 years and increase the absolute cumulative risk of ESRD by 0.89% for a 40-year-old white male. White females were predicted to have slightly greater loss of life and less added ESRD risk. Conversely, Blacks have greater risks of ESRD after donation. Older donors with hypertension were predicted to lose less life years and lower cumulative ESRD risks than young donors. Despite these increased risks most donors will have better life expectancy and lower ESRD rates than the general population since they are a highly selected cohort. CONCLUSIONS: This study attempts to quantify increases in death and ESRD from donor nephrectomy assuming the risk factors of hypertension, low GFR and proteinuria have the same significance in this population as in the general population. Further study is required to better estimate the risks of donation and test whether these assumptions are valid.
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 | 0,000 |
| 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 ».