Association between the malnutrition-inflammation score and post-transplant anaemia
Notice bibliographique
Résumé
BACKGROUND: Post-transplant anaemia (PTA) is common and is associated with adverse consequences. The protein-energy wasting (PEW) syndrome is associated with erythropoietin resistance in patients on maintenance dialysis. We assessed the association between PEW and PTA in a large prevalent cohort of stable kidney-transplanted patients. METHODS: Data from 942 prevalent kidney-transplanted patients were analysed. Socio-demographic parameters, laboratory results, transplantation-related data and medication were obtained from the charts. Biomarkers reflecting nutritional status and inflammation [serum leptin, albumin, interleukin-6 (IL-6), tumour necrosis factor-α (TNF-α) and C-reactive protein] were measured. Anthropometric measures and the malnutrition-inflammation score (MIS) were also tabulated. Anaemia was defined according to the guidelines of the American Society of Transplantation. RESULTS: Mean age was 51 ± 13 years, 57% were males and 22% had diabetes. The prevalence of PTA was 33%. The haemoglobin (Hb) level significantly and negatively correlated with the MIS (rho = - 0.316), marginally with serum TNF-α (rho = - 0.079) and serum IL-6 (rho = - 0.075) and positively with serum transferrin (r = 0.298), serum albumin (r = 0.274), abdominal circumference (r = 0.254) and serum leptin (rho = - 0.152), P < 0.05 for all. In a multivariable linear regression model, MIS was independently associated with Hb (beta = - 0.118, P = 0.004) in patients with estimated glomerular filtration rate (eGFR) lower than or equal to 60 mL/min/1.73 m(2), but not in patients with higher eGFR. CONCLUSIONS: The MIS is independently associated with PTA in the kidney-transplanted population with eGFR lower than or equal to 60 mL/min/1.73 m(2).
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 ».