Class II Eplet Mismatch Modulates Tacrolimus Trough Levels Required to Prevent Donor-Specific Antibody Development
Notice bibliographique
Résumé
Despite more than two decades of use, the optimal maintenance dose of tacrolimus for kidney transplant recipients is unknown. We hypothesized that HLA class II de novo donor-specific antibody ( dn DSA) development correlates with tacrolimus trough levels and the recipient’s individualized alloimmune risk determined by HLA-DR/DQ epitope mismatch. A cohort of 596 renal transplant recipients with 50,011 serial tacrolimus trough levels had HLA-DR/DQ eplet mismatch determined using HLAMatchmaker software. We analyzed the frequency of tacrolimus trough levels below a series of thresholds <6 ng/ml and the mean tacrolimus levels before dn DSA development in the context of HLA-DR/DQ eplet mismatch. HLA-DR/DQ eplet mismatch was a significant multivariate predictor of dn DSA development. Recipients treated with a cyclosporin regimen had a 2.7-fold higher incidence of dn DSA development than recipients on a tacrolimus regimen. Recipients treated with tacrolimus who developed HLA-DR/DQ dn DSA had a higher proportion of tacrolimus trough levels <5 ng/ml, which continued to be significant after adjustment for HLA-DR/DQ eplet mismatch. Mean tacrolimus trough levels in the 6 months before dn DSA development were significantly lower than the levels >6 months before dn DSA development in the same patients. Recipients with a high-risk HLA eplet mismatch score were less likely to tolerate low tacrolimus levels without developing dn DSA. We conclude that HLA-DR/DQ eplet mismatch and tacrolimus trough levels are independent predictors of dn DSA development. Recipients with high HLA alloimmune risk should not target tacrolimus levels <5 ng/ml unless essential, and monitoring for dn DSA may be advisable in this setting.
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) | 0,001 | 0,001 |
| 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 ».