[PP.37.04] EVOLUTION OF ARTERIAL STIFFNESS AFTER KIDNEY TRANSPLANTATION
Notice bibliographique
Résumé
Objective: Chronic kidney disease is associated with increased arterial stiffness. Correction of the uremic milieu by kidney transplantation may be improve arterial stiffness. However, the results from clinical studies are not uniformly convincing. This could be related to small sample size of studies, heterogeneity in methods and timing of assessment of arterial stiffness after transplantation. The objective of the present study is to measure the impact of renal transplantation on the reduction of arterial stiffness. Design and method: Observational studies and randomized controlled trials with measurements of arterial wave velocity (PWV) were extracted from MEDLINE, EMBASE, COCHRANE LIBRARY, and Web of Science from their inception to January 2016. Two reviewers independently identified eligible studies comparing PWV before and after kidney transplantation and extracted data including population characteristics, interventions and outcomes. Results: 11 studies with 408 subjects were available for comparing pre- to post-transplant PWV. There was a mean change of PWV by -1.28 m/s (95% CI, - 2.01 to - 0.55) post-transplantation (I2 = 72 %). When subgroup analysis was performed only for studies that had assessed aortic PWV (5 studies, 163 patients), there was a non-significant mean changes of PWV by -0.74 m/s (95% CI, -1.49 to 0.02) post-transplantation (I2 = 61%) (FIGURE). The subgroup analysis of the studies with brachial-ankle PWV (BA-PWV), which included 4 studies and 168 patients, showed a significant reduction in PWV by -2.48 m/s (95% CI, - 4.36 to - 0.60) (I2 = 84 %). Limiting analysis to the studies that have measured BA-PWV after at least 3 months of transplantation (3 studies, 151 patients) showed similar results but reduced heterogeneity (I2 = 13%).Conclusions: There is a significant reduction in overall PWV after kidney transplantation. There was a great heterogeneity in the among studies. Further analysis is required to examine the importance of changes in different vascular beds taking into account changes in blood pressure.
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,411 | 0,119 |
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 ».