Skin tumours in the West of Scotland renal transplant population
Notice bibliographique
Résumé
BACKGROUND: Organ transplant recipients have an increased risk of skin cancers. A specialist dermatology clinic for renal transplant recipients (RTRs) was established in 2005. OBJECTIVES: To analyse the type and incidence of skin cancers in prevalent patients in the West of Scotland after renal transplant, and to analyse the impact of the time since transplant and the immunosuppression regimen. METHODS: Skin cancer data for RTRs attending the transplant dermatology clinic over a 38-month period were collected and recorded in the West of Scotland electronic renal patient record. Skin cancer data were intrinsically linked to each individual's transplant and immunosuppression data. RESULTS: Overall, 610 patients attended. The median follow-up time from the date of first transplant was 10 years. Ninety-three patients (15.2%) had experienced a total of 368 skin cancers since transplant, and the prevalence increased with time since transplant. Basal cell carcinomas (BCCs) occurred in 74 patients (12.1%) and squamous cell carcinomas (SCCs) in 42 patients (6.9%). Three patients (0.5%) had experienced a melanoma. The SCC:BCC ratio was 0.7. Survival analysis showed significant reduction in the time to develop skin cancer in patients transplanted from 1995 onwards (P < 0.0001) and in patients who had been on triple immunosuppressant therapy at 1 year after transplant, compared with dual therapy (P < 0.0001). CONCLUSIONS: This is the first study of skin cancer in prevalent Scottish RTRs. The incidence of skin cancer is high and appears to have a direct relationship to the overall burden of immunosuppression. The SCC:BCC ratio, which is lower than reports from other centres, deserves further scrutiny.
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) | 0,000 | 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 ».