The role of thrombectomy and diffusion-weighted imaging with MRI in post-transplant renal vein thrombosis: a case report
Notice bibliographique
Résumé
BACKGROUND: Surgical thrombectomy in the context of acute renal vein thrombosis (RVT) post-transplantation has had limited success, with considerable variation in the surgical techniques used. Unfortunately, it is usually followed by allograft nephrectomy within a few days if rapid allograft recovery does not ensue. We report a case of acute RVT in which nephrectomy was not performed despite a prolonged requirement for dialysis post-thrombectomy, but with recovery of renal function 2 weeks later. We also report the findings of serial MRI with diffusion-weighted imaging (DW-MRI) throughout the patient's recovery, which provided novel insights into allograft microvascular perfusion changes post-thrombectomy. CASE PRESENTATION: A 65-year old patient underwent living-unrelated kidney transplantation complicated by acute RVT. Surgical thrombectomy and irrigation led to a delayed, but significant, recovery of renal function. Serial non-contrast DW-MRI scanning was used to non-invasively assess microvascular renal blood flow post-operatively. Unlike standard Doppler ultrasonography, DW-MRI documented reduced microvascular perfusion initially, with gradual but incomplete recovery that mirrored the partial improvement in renal function. CONCLUSIONS: Our findings suggest that surgical thrombectomy may be more effective than previously described if followed by careful patient observation. Moreover, diffusion-weighted MRI appears to provide important insights into the pathophysiology of delayed graft function and deserves further investigation.
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 ».