Differential Simultaneous Liver and Kidney Transplant Benefit Based on Severity of Liver Damage at the Time of Transplantation
Notice bibliographique
Résumé
BACKGROUND: We evaluated the concept of whether liver failure patients with a superimposed kidney injury receiving a simultaneous liver and kidney transplant (SLKT) have similar outcomes compared to patients with liver failure without a kidney injury receiving a liver transplantation (LT) alone. METHODS: Using data from the United Network of Organ Sharing (UNOS) database, patients were divided into five groups based on pre-transplant model for end-stage liver disease (MELD) scores and categorized as not having (serum creatinine (sCr) ≤ 1.5 mg/dL) or having (sCr > 1.5 mg/dL) renal dysfunction. Of 30,958 patients undergoing LT, 14,679 (47.5%) had renal dysfunction, and of those, 5,084 (16.4%) had dialysis. RESULTS: Survival in those (liver failure with renal dysfunction) receiving SLKT was significantly worse (P < 0.001) as compared to those with sCr < 1.5 mg/dL (liver failure only). The highest mortality rate observed was 21% in the 36+ MELD group with renal dysfunction with or without SLKT. In high MELD recipients (MELD > 30) with renal dysfunction, presence of renal dysfunction affects the outcome and SLKT does not improve survival. In low MELD recipients (16 - 20), presence of renal dysfunction at the time of transplantation does affect post-transplant survival, but survival is improved with SLKT. CONCLUSIONS: SLKT improved 1-year survival only in low MELD (16 - 20) recipients but not in other groups. Performance of SLKT should be limited to patients where a benefit in survival and post-transplant outcomes can be demonstrated.
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 | 0,001 |
| 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 ».