Acute renal failure following lung transplantation: risk factors, mortality, and long-term consequences
Notice bibliographique
Résumé
OBJECTIVE: Acute renal failure (ARF) frequently complicates lung transplantation. This study determined the prevalence, predictive factors, and consequences of ARF on long-term renal function and survival. METHODS: One hundred and seventy-four lung transplantation recipients were divided into two groups based on the presence or absence of ARF defined as a 50% decrease in creatinine clearance from baseline (group I: 67 patients with ARF; group II: 107 patients without ARF). Multivariate analysis compared pre-operative, operative, and post-operative risk factors to assess predictive factors. Renal function over time was assessed by two-way repeated measures analysis of variance (ANOVA). RESULTS: ARF developed in 67 (39%) of patients. Multivariate analysis identified aprotinin (OR 2.20 (1.11; 4.36), p=0.02) and double lung transplantation (OR 2.61 (1.32; 5.15), p=0.006) as risk factors for post-operative renal failure. At 5 years following transplant, creatinine clearance was similar between the two groups (group I CrCl: 73 ml s(-1); group II CrCl: 53 ml s(-1); p=0.54). Survival at 5 years was the same in the two groups. Multivariate analysis associated age at the time of transplantation (HR 1.030 (1.004; 1.057), p=0.02) and intensive care unit (ICU) length of stay (HR 1.029 (1.008; 1.051), p=0.007) with decreased survival. CONCLUSIONS: The use of aprotinin and double lung transplantation are associated with ARF following lung transplantation. Age at the time of transplantation and a longer intensive care stay predict decreased survival. ARF after lung transplantation is not predictive of late renal dysfunction or decreased long-term survival.
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 | 0,001 | 0,003 |
| 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 | 0,001 |
| 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 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 ».