Calcineurin inhibitor (CNI) use in pediatric liver and kidney transplant (Tx) patients is associated with increased risk of obesity and impaired T-regulatory (Treg) cell function. (126.19)
Notice bibliographique
Résumé
Abstract CNI use can cause hyperlipidemia and new onset diabetes, and obesity may have adverse effects on allograft and patient survival, but the mechanisms are unclear. Design: We assessed if CNI or rapamycin (Rapa) use correlated with the metabolic status of children (n = 62) with stable, long-term liver (26 M, 27 F) or kidney (6 M, 3 F) allografts, and if being overweight or obese (Ow/Ob) was associated with impaired Treg phenotype or function. Results: Most patients had CNI (39) or Rapa (9) monotherapy, though 12 received CNI (8) or Rapa (4) plus MMF, Aza or steroids. 45 children had normal weight, but 7 were overweight and 10 were obese. The CNI group had more Ow/Ob patients (p=0.045) and higher BMI-for age percentile (BMI) than the Rapa group (61.7 vs. 42.9, p=0.047). CNI dose correlated with BMI (0.521, p=0.013), while Rapa use negatively correlated with BMI (-0.888, p=0.044). Also, Ow/Ob patients had reduced Treg suppressive function compared to patients with normal weight (153 vs. 100 units for autologous CD4 responders, 166 vs. 92 for standard CD4 responders, 114 vs. 43 for CD8 responders, p=0.031), and BMI was negatively correlated with CTLA-4 expression in Tregs (-0.555, p=0.011). Conclusions: CNI use is associated with being overweight or obese post-Tx, and the latter are associated with impaired Treg function and phenotype. The metabolic consequences of being overweight or obese post-Tx may include disruption of immune regulation and favor a pro-inflammatory phenotype.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».