Risk Factors for Late-Onset Cytomegalovirus Infection or Disease in Kidney Transplant Recipients
Notice bibliographique
Résumé
BACKGROUND: CMV-D+/R- serostatus is the only well-established risk factor for late-onset cytomegalovirus (CMV) infection/disease (i.e., incident CMV infection/disease after cessation of prophylactic antiviral therapy). This study aimed to explore other potential risk factors for late-onset CMV infection/disease in kidney transplant recipients. METHODS: We conducted a retrospective cohort study of 641 kidney transplant recipients in Toronto, Canada, from January 1, 2003, to December 31, 2010. The cumulative incidence of late-onset CMV infection/disease was assessed using the Kaplan-Meier product-limit method. Potential risk factors for late-onset CMV infection/disease were examined using Cox proportional hazards regression models. RESULTS: Cumulative incidence estimates for CMV infection/disease after prophylaxis cessation in D+/R- versus D+/R+ versus D-/R+ patients were 26.2% versus 7.4% versus 3.1% at 6 months and 30.0% versus 7.7% versus 3.7% at 1 year, respectively. D+/R- serostatus (vs. R+ serostatus) and an estimated glomerular filtration rate of less than 45 mL/min (vs. ≥ 60 mL/min) at prophylaxis cessation were independently associated with late-onset CMV infection/disease (hazard ratio, 4.04 [95% confidence interval, 2.39-6.83]; and hazard ratio, 2.03 [95% confidence interval, 1.07-3.88], respectively). CONCLUSIONS: Patients with lower estimated glomerular filtration rate at prophylaxis cessation may be at an increased risk of late-onset CMV infection/disease and should be considered for more intensive CMV viral load monitoring, particularly within the first year after prophylaxis cessation.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».