Complications in the 90-day postoperative period following kidney transplant and the relationship of the Charlson Comorbidity Index
Notice bibliographique
Résumé
INTRODUCTION: Renal transplant experiences widespread success, but little is published regarding the postoperative complications. The Charlson Comorbidity Index (CCI) is a system of mortality risk assessment. Our purpose is to assess the 90-day postoperative complications after renal transplantation. The secondary objective is to clarify whether CCI predicts complications. We hypothesized increased CCI corresponds to worse complication on the Clavien scale. METHODS: This is a retrospective analysis of renal recipients at our institution (2011-2013) who were ≥18 years old and received complete follow up. CCI, age, gender, body mass index (BMI), and graft type were extracted from the electronic medical records. Complications were scored using the Clavien scale. Descriptive statistics and logistic regression were used to analyze 198 patients. RESULTS: The mean age was 53 (standard deviation [SD] 14), mean BMI 27.4 (SD 14), median CCI 1. Grade 2 or higher (significant) complications occurred in 60% of patients and Grade 3b or higher (severe) in 15% of patients in the 90-day postoperative period. Sixty-eight different complications were identified, the most common being blood transfusion (19%). Logistic regression suggests a predictive value of CCI (odds ratio [OR] 1.70; 95% confidence interval [CI] 1.3-2.3) for severe complications, with diabetes mellitus and peripheral vascular disease conferring increased risk. CONCLUSIONS: Renal transplant carries significant risk. This data can be used to improve patient counselling on the likely postoperative course. Study limitations include the retrospective design, predisposing to potential bias in data capture.
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 | 0,002 | 0,004 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».