Hepatitis C in non-hepatic solid organ transplant candidates and recipients: A new horizon
Notice bibliographique
Résumé
Hepatitis C virus (HCV) infection is estimated to affect 130-150 million people globally which corresponds to 2%-3% of the total world population. It remains the leading indication for liver transplant worldwide and has been demonstrated to negatively impact both patient and graft survival following non-hepatic organ transplantation. In the era of interferon-based therapy, although treatment and cure of HCV prior to non-hepatic transplant improved survival, tolerability and low cure rates substantially limited therapy. Interferon (IFN)-based therapy following non-hepatic solid organ transplant, due to the risk of allograft rejection, is generally contraindicated. Rapid advances in IFN-free therapy with direct acting antivirals (DAAs) in the last few years have completely changed the paradigm of hepatitis C therapy. Compared to IFN-based regimens, DAAs have less frequent and less severe adverse effects, shorter durations of therapy, and higher cure rates that are minimally impacted by historically negative predictors of response such as cirrhosis, ethnicity, and post-transplant state. Recent studies have shown that liver transplant (LT) recipients can be safely and effectively treated with DAA combination therapies; although data are limited, many of the principles of therapy in LT may be extrapolated to non-hepatic solid organ transplant recipients. Here we review the data on DAA combination therapies in transplantation, discuss the advantages and disadvantages of pre- vs post-transplant HCV therapy and future directions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,002 | 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) | 0,000 | 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 ».