Deceased donor kidney transplantation across donor-specific antibody barriers: predictors of antibody-mediated rejection
Notice bibliographique
Résumé
BACKGROUND: Apheresis-based desensitization allows for successful transplantation across major immunological barriers. For donor-specific antibody (DSA)- and/or crossmatch-positive transplantation, however, it has been shown that even intense immunomodulation may not completely prevent antibody-mediated rejection (ABMR). METHODS: In this study, we evaluated transplant outcomes in 101 DSA+ deceased donor kidney transplant recipients (transplantation between 2009 and 2013; median follow-up: 24 months) who were subjected to immunoadsorption (IA)-based desensitization. Treatment included a single pre-transplant IA session, followed by anti-lymphocyte antibody and serial post-transplant IA. In 27 cases, a positive complement-dependent cytotoxicity crossmatch (CDCXM) was rendered negative immediately before transplantation. Seventy-four of the DSA+ recipients had a negative CDCXM already before IA. RESULTS: Three-year death-censored graft survival in DSA+ patients was significantly worse than in 513 DSA- recipients transplanted during the same period (79 versus 88%, P = 0.008). Thirty-three DSA+ recipients (33%) had ABMR. While a positive baseline CDCXM showed only a trend towards higher ABMR rates (41 versus 30% in CDCXM- recipients, P = 0.2), DSA mean fluorescence intensity (MFI) in single bead assays significantly associated with rejection, showing 20 versus 71% ABMR rates at <5000 versus >15 000 peak DSA MFI. The predictive value of MFI was moderate, with the highest accuracy at a median of 13 300 MFI (after cross-validation: 0.72). Other baseline variables, including CDC assay results, human leukocyte antigen mismatch, prior transplantation or type of induction treatment, did not add independent predictive information. CONCLUSIONS: IA-based desensitization failed to prevent ABMR in a considerable number of DSA+ recipients. Assessing DSA MFI may help stratify risk of rejection, supporting its use as a guide to organ allocation and individualized treatment.
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 | 0,001 |
| 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 | 0,001 | 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 ».