Diabetes Mellitus in Living Pancreas Donors
Notice bibliographique
Résumé
In Brief Background Living donor pancreas transplant is a potential treatment for diabetic patients with end-organ complications. Although early surgical risks of donation have been reported, long-term medical outcomes in living pancreas donors are not known. Methods We integrated national Scientific Registry of Transplant Recipients data (1987-2015) with records from a nationwide pharmacy claims warehouse (2005-2015) to examine prescriptions for diabetes medications and supplies as a measure of postdonation diabetes mellitus. To compare outcomes in controls with baseline good health, we matched living pancreas donors to living kidney donors (1:3) by demographic traits and year of donation. Results Among 73 pancreas donors in the study period, 45 were identified in the pharmacy database: 62% women, 84% white, and 80% relatives of the recipient. Over a mean postdonation follow-up period of 16.3 years, 26.7% of pancreas donors filled prescriptions for diabetes treatments, compared with 5.9% of kidney donors (odds ratio, 4.13; 95% confidence interval, 1.91-8.93; P = 0.0003). Use of insulin (11.1% vs 0%) and oral agents (20.0% vs 5.9%; odds ratio, 4.50, 95% confidence interval, 2.09-9.68; P = 0.0001) was also higher in pancreas donors. Conclusions Diabetes is more common after living pancreas donation than after living kidney donation, supporting clinical consequences from reduced endocrine reserve. To know long-term medical outcomes in living pancreas donors, prescriptions for diabetic medications are examined as a measure of postdonation diabetes mellitus, and diabetes is more common after living pancreas donation than after living kidney donation, supporting clinical consequences from reduced endocrine reserve.
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 ».