MétaCan
Menu
Retour à la cohorte
Enregistrement W2419404923 · doi:10.1097/mot.0000000000000233

Expanding the lung donor pool

2015· review· en· W2419404923 sur OpenAlexaff
Jérémie Reeb, Shaf Keshavjee, Marcelo Cypel

Notice bibliographique

RevueCurrent Opinion in Organ Transplantation · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueTransplantation: Methods and Outcomes
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineEconomic shortageLungLung transplantationOrgan donationTransplantationIntensive care medicineSurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: The number of patients listed for lung transplantation largely exceeds the number of available transplantable organs because of a shortage of organ donors and a low utilization rate of lungs from those donors who are available. In recent years, novel strategies have been developed to increase the donor lung pool: improved donor management, the use of lungs from donations after cardiac death (DCD), the use of lobar lung living-donors (LLLD) and the use of ex-vivo lung perfusion (EVLP) to assess and repair injured donor lungs. RECENT FINDINGS: An adapted donor management strategy could expand the donor pool up to 20%. DCD lung transplant is an increasing part of the donor pool expansion. Outcomes after controlled DCD seem to be similar to donation after brain death. LLLD transplantation has excellent results for small and critically ill patients. EVLP treatment allows for a significant increase in the rate of suitable lungs and represents an optimal platform for lung reconditioning and specific lung therapies. SUMMARY: A significant increase in the number of available lungs for transplantation is expected in the future because of the wider use of lungs from controlled or uncontrolled DCD and LLLD lungs, and with organ-specific EVLP treatment strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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 Opus0,170
Tête enseignante GPT0,473
Écart entre enseignants0,303 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations68
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in Organ TransplantationMême sujetTransplantation: Methods and OutcomesTravaux en français237 207