MétaCan
Menu
Retour à la cohorte
Enregistrement W2317622395 · doi:10.1097/sla.0000000000000974

Protein Expression Profiling Predicts Graft Performance in Clinical Ex Vivo Lung Perfusion

2014· article· en· W2317622395 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueAnnals of Surgery · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueTransplantation: Methods and Outcomes
Établissements canadiensUniversity of TorontoToronto General HospitalUniversity Health Network
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineTransplantationLung transplantationEx vivoPerfusionLungArea under the curveInternal medicineSurgeryIn vivo

Résumé

récupéré en direct d'OpenAlex

In Brief Objectives: To study the impact of ex vivo lung perfusion (EVLP) on cytokines, chemokines, and growth factors and their correlation with graft performance either during perfusion or after transplantation. Background: EVLP is a modern technique that preserves lungs on normothermia in a metabolically active state. The identification of biomarkers during clinical EVLP can contribute to the safe expansion of the donor pool. Methods: High-risk brain death donors and donors after cardiac death underwent 4 to 6 hours EVLP. Using a multiplex magnetic bead array assay, we evaluated analytes in perfusate samples collected at 1 hour and 4 hours of EVLP. Donor lungs were divided into 3 groups: (I) Control: bilateral transplantation with good early outcome [absence of primary graft dysfunction– (PGD) grade 3]; (II) PGD3: bilateral transplantation with PGD grade 3 anytime within 72 hours; (III) Declined: lungs unsuitable for transplantation after EVLP. Results: Of 50 cases included in this study, 27 were in Control group, 7 in PGD3, and 16 in Declined. From a total of 51 analytes, 34 were measurable in perfusates. The best marker to differentiate declined lungs from control lungs was stem cell growth factor -β [P < 0.001, AUC (area under the curve) = 0.86] at 1 hour. The best markers to differentiate PGD3 cases from controls were interleukin-8 (P < 0.001, AUC = 0.93) and growth-regulated oncogene-α (P = 0.001, AUC = 0.89) at 4 hours of EVLP. Conclusions: Perfusate protein expression during EVLP can differentiate lungs with good outcome from lungs PGD3 after transplantation. These perfusate biomarkers can be potentially used for more precise donor lung selection improving the outcomes of transplantation. This is the first study to examine protein expression in perfusates of high-risk donor lungs submitted to clinical ex vivo lung perfusion. Perfusate markers were capable of predicting graft function after implantation. Our findings have a strong potential for clinical translation toward improving donor lung selection and transplantation outcomes.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,238
Score d'incertitude au seuil0,394

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,207
Tête enseignante GPT0,414
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle