Donor-Recipient Weight and Sex Mismatch and the Risk of Graft Loss in Renal Transplantation
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Relatively smaller kidney donor to recipient size is proposed to result in higher graft loss due to nephron underdosing and hyperfiltration injury, but the potentially additive effect of sex and weight mismatch has not been explored in detail. The purpose of this study was to determine if concurrent donor and recipient absolute weight and sex mismatch was associated with graft loss in a cohort of deceased donor kidney transplant recipients. DESIGN, SETTING, PARTICIPANTS, & MEASUREMENTS: The association of kidney donor and recipient absolute weight and sex difference with death-censored graft loss was explored using a cohort of United States deceased donor recipients between 2000 and 2014 through the Scientific Registry of Transplants Recipients. Donor-recipient sex pairings (male donor-male recipient; female donor-female recipient; male donor-female recipient; female donor-male recipient) were further stratified by donor and recipient absolute weight difference (>30 or 10-30 kg [donor recipient] or <10 kg [donor=recipient]) resulting in 20 weight and sex pairings. Time to death-censored graft loss for each pairing was evaluated using multivariable Cox proportional hazards models adjusting for donor, immunologic, surgical, and recipient predictors of graft loss compared with the reference group of male donor-male recipients with no weight mismatch (<10 kg difference). RESULTS: Of 115,124 kidney transplant recipients, 21,261 developed death-censored graft failure (median graft survival time was 3.8 years; quartile 1 to 3, 0.0 to 14.8 years). After multivariable adjustment, the highest relative hazards for graft failure were observed for female recipients of male donor kidneys and male recipients of female donor kidneys in situations where the recipient was >30 kg larger than donor (hazard ratio, 1.50; 95% confidence interval, 1.32 to 1.70; hazard ratio, 1.35; 95% confidence interval, 1.25 to 1.45, respectively). CONCLUSIONS: A concurrent mismatch in donor-recipient weight (donor
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 | 0,001 | 0,003 |
| 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) | 0,001 | 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 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 ».