Time Dependency of Factors Affecting Renal Allograft Survival
Notice bibliographique
Résumé
The function of renal transplants can deteriorate at any time posttransplant, but the risks and mechanisms may differ at different times posttransplant. Survival of 522 consecutive cadaveric renal transplant recipients followed for at least 6 mo were analyzed, with patient death censored. The overall risk factors in univariate analysis were acute rejection requiring antibody therapy (AR), delayed graft function, elevated serum creatinine at 6 mo, high panel-reactive antibodies, and donor age > or =55 yr, with borderline effects of recipient age and female gender. These risks were studied in each of three intervals posttransplantation: < or =6 mo, 6 mo to 5 yr, and >5 yr. Of the 135 graft failures, 53 occurred < or =6 mo, 61 between 6 mo and 5 yr, and 21 beyond 5 yr. By multivariate analysis. the risks for graft failure in interval < or =6 mo were AR (hazard ratio (HR) = 4.86, P < 0.001); delayed graft function (HR = 1.47, P = 0.06): and high panel-reactive antibodies (HR = 2.04, P = 0.0(3). Between 6 mo and 5 yr, the risks for graft loss were AR (HR = 2.87, P < 0.001) and serum creatinine at 6 mo > or =150 micromol/L (HR = 3.69, P < 0.001). Beyond 5 yr the risk factors were donor age > or =55 yr (HR = 5.87, P = 0.002), with a borderline effect of kidneys from female donors (HR = 2.28, P = 0.07). HLA-A, -B, and -DR matching and presensitization had most of their effect through early AR and impaired function. The results indicate that risks for graft loss are time-dependent: early losses correlate with injury and rejection, but late events correlate with donor age and possibly workload.
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) | 0,001 | 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 ».