Notice bibliographique
Résumé
PURPOSE: The improvements in renal transplantation over the last 10 years have been one of the great success stories in medicine. We reviewed these successes with a focus on the following: changes in demographics of donors and recipients in Canada, the benefits of new immunosuppressive regimes and the efforts to minimize their toxicity and finally, our understanding of measures to circumvent chronic rejection. MATERIALS AND METHODS: A review of current transplantation literature was performed and pertinent data presented. As well, information from the Canadian Organ Replacement Register was selected to provide an overview of changes in renal transplantation in Canada. RESULTS: Despite the stable rate of transplantation in Canada, the number of new patients starting dialysis each year roughly equals the entire national renal transplant waiting list. These patients are older and have more complex co-morbidities mandating prudent use of immunosuppression so as to minimize toxicity. Standard triple therapy consists of a calcineurin inhibitor, an antimetabolite and corticosteroids. Antibody therapy is indicated in sensitized recipients and newer monoclonal humanized antibodies offer less toxicity. Nonspecific therapies are less favorable due to unwanted side effects and we can now identify subsets of patients who are most likely to benefit from specific therapy. Newer non-nephrotoxic agents hold promise for future regimens. However a paucity of large, multicenter, randomized trials, tested against standard protocols, limits their current indications. Many immunologic and non-immunologic factors influence the outcome of renal transplantation and play a role in the development in acute and chronic rejection. CONCLUSIONS: The challenges of renal transplantation over the next 10 years are: 1) in the development of specific therapies that can be altered according to patient co-morbidities and other factors influencing outcome; 2) minimizing toxicity; 3) preventing chronic rejection; and 4) improving our national organ donation network.
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 | 0,006 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,015 |
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 ».