Analysis of Biomarkers Within the Initial 2 Years Posttransplant and 5-Year Kidney Transplant Outcomes
Notice bibliographique
Résumé
BACKGROUND: An early posttransplant biomarker/surrogate marker for kidney allograft loss has the potential to guide targeted interventions. Previously published findings, including results from the Clinical Trials in Organ Transplantation (CTOT)-01 study, showed that elevated urinary chemokine CXCL9 levels and elevated frequencies of donor-reactive interferon gamma (IFNγ)-producing T cells by enzyme-linked immunosorbent spot (ELISPOT) assay associated with acute cellular rejection within the first year and with lower 1-year posttransplant estimated glomerular filtration rate (eGFR). How well these biomarkers correlate with late outcomes, including graft loss, is unclear. METHODS: In CTOT-17, we obtained 5-year outcomes in the CTOT-01 cohort and correlated them with (a) biomarker results and (b) changes in eGFR (Chronic Kidney Disease Epidemiology Collaboration formula) over the initial 2 years posttransplant using univariable analysis and multivariable logistic regression. RESULTS: Graft loss occurred in 14 (7.6%) of 184 subjects 2 to 5 years posttransplant. Neither IFNγ ELISPOTs nor urinary CXCL9 were informative. In contrast, a 40% or greater decline in eGFR from 6 months to 2 years posttransplant independently correlated with 13-fold odds of 5-year graft loss (adjusted odds ratio, 13.1; 95% confidence interval, 3.0-56.6), a result that was validated in the independent Genomics of Chronic Allograft Rejection cohort (n = 165; adjusted odds ratio, 11.2). CONCLUSIONS: We conclude that although pretransplant and early posttransplant ELISPOT and chemokine measurements associate with outcomes within 2 years posttransplant, changes in eGFR between 3 or 6 months and 24 months are better surrogates for 5-year outcomes, including graft loss.
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 | 0,000 |
| 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 ».