Predictors of 1-year mortality in heart transplant recipients: a systematic review and meta-analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: A systematic summary of the observational studies informing heart transplant guideline recommendations for selection of candidates and donors has thus far been unavailable. We performed a meta-analysis to better understand the impact of such known risk factors. METHODS: We systematically searched and meta-analysed the association between known pretransplant factor and 1-year mortality identified by multivariable regression models. Our review used the Grading of Recommendations, Assessment, Development and Evaluation for assessing the quality of assessment. We pooled risk estimates by using random effects models. RESULTS: Recipient variables including age (HR 1.16 per 10-year increase, 95% CI 1.10-1.22, high quality), congenital aetiology (HR 2.35, 95% CI 1.62 to 3.41, moderate quality), diabetes (HR 1.37, 95% CI 1.15 to 1.62, high quality), creatinine (HR 1.11 per 1 mg/dL increase, 95% CI 1.06 to 1.16, high quality), mechanical ventilation (HR 2.46, 95% CI 1.48 to 4.09, low quality) and short-term mechanical circulatory support (MCS) (HR 2.47, 95% CI 1.04 to 5.87, low quality) were significantly associated with 1-year mortality. Donor age (HR 1.20 per 10-year increase, 95% CI 1.14 to 1.26, high quality) and female donor to male recipient sex mismatch (HR 1.38, 95% CI 1.06 to 1.80, high quality) were significantly associated with 1-year mortality. None of the operative factors proved significant predictors. CONCLUSION: High-quality and moderate-quality evidence demonstrates that recipient age, congenital aetiology, creatinine, pulsatile MCS, donor age and female donor to male recipient sex mismatch are associated with 1-year mortality post heart transplant. The results of this study should inform future guideline and predictive model development.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,014 | 0,003 |
| 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 découle