Risk of death following kidney allograft failure: a systematic review and meta-analysis of cohort studies
Notice bibliographique
Résumé
BACKGROUND: People with kidney allograft failure represent an increasing fraction of all those starting dialysis therapy. We sought to summarize prognosis following kidney allograft failure and identify potentially beneficial interventions or modifiable risk factors. METHODS: We searched MEDLINE and EMBASE (inception to 1 October 2013) and article reference lists without language restriction and selected cohort studies of all-cause mortality and fatal infection-related and cardiovascular events in people starting dialysis following kidney allograft failure. Two reviewers independently extracted data on study design, participant characteristics, dialysis modality, transplant nephrectomy, immunosuppression strategy, transplant-naive comparators and risk of bias. Discrepancies were resolved with a third reviewer. RESULTS: Forty studies comprising 249 716 participants met the inclusion criteria. The first year of dialysis therapy was associated with the highest mortality. By random effects meta-analysis, annual risk of death, from years 1 to 4, was 0.12 [95% confidence interval (95% CI): 0.09-0.15], 0.06 (95% CI: 0.05-0.07), 0.05 (95% CI: 0.04-0.06) and 0.05 (95% CI: 0.04-0.06), respectively. We found high heterogeneity in each meta-analysis, which remained unexplained by prespecified subgroup analyses. We could not find sufficient information to summarize the risk for fatal infection-related and cardiovascular events, or to test the role of transplant nephrectomy or different immunosuppressive strategies. Risk of bias was high, especially participation bias. CONCLUSION: Mortality is higher during the first year of dialysis treatment following kidney allograft failure than in subsequent years. Insufficient data are available to assess factors or interventions potentially impacting prognosis following kidney allograft failure. In a culture promoting transplantation, clinical research of different models of care in this growing high-risk population should be a research priority.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,024 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,046 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».