MétaCan
Menu
Retour à la cohorte
Enregistrement W2773339146 · doi:10.1097/00007890-201407151-03056

Pre-Transplant Circulating CD4+CD25hiCD127lo Tregs Predict Delayed and Slow Graft Function After Kidney Transplantation.

2014· article· en· W2773339146 sur OpenAlexaff
Mai Ánh Nguyễn, Elise Fryml, Sossy K. Sahakian, S. Liu, Mark L. Lipman, M Cantarovich, Jean Tchervenkov, Steven Paraskevas

Notice bibliographique

RevueTransplantation · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal Transplantation Outcomes and Treatments
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineKidney transplantationTransplantationGraft rejectionImmunologyKidney transplantInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: Regulatory T cells (Tregs) dampen acute kidney injury (AKI) in murine renal ischemia-reperfusion injury (IRI). In kidney transplantation (KTx), delayed (DGF) and slow (SGF) graft function are the results of IRI and negatively impact long-term graft outcomes. We investigated if measuring circulating CD4+CD25hiCD127lo Tregs in KTx recipients pre-transplant predicts DGF/SGF. Methods: 74 sequential deceased donor KTx recipients were divided into DGF (n=17), SGF (n=35), and immediate graft function (IGF; n=22) based on post-transplant dialysis and 24-h SCr. Since DGF and SGF are a continuous spectrum of IRI, those outcomes were combined to form an AKI group (n=52). Donor, organ procurement, and recipient variables were similar between groups except for donor age and cold ischemic time (CIT). CD4+CD25hiCD127lo Tregs were quantified in recipient peripheral blood by flow cytometry pre-transplant. Results: Pre-transplant circulating CD4+CD25hiCD127lo Tregs were decreased in DGF (0.56±0.08%) and SGF (0.57±0.05%) in comparison to IGF (0.81±0.08%) recipients (p<0.03, Figure 1). Using IGF as reference group in multinomial logistic regression, each 0.1% increase in Tregs decreased the odds of having DGF or SGF by 9% (p<0.03). Tregs also accurately predicted AKI in ROC curve (AUC=0.69, p<0.01, Figure 2). When accounting for donor age and CIT in multivariate analysis, Tregs remained a significant predictor of DGF (p<0.03) and AKI (p=0.02) in multinomial and binary logistic regressions.Figure: No Caption available.Figure: No Caption available.Conclusion: Measurement of pre-transplant recipient circulating CD4+CD25hiCD127lo Tregs is a novel immune marker to identify patients at risk for DGF/SGF, and has the potential to guide Treg immunotherapy to prevent graft injury. DISCLOSURES:Cantarovich, M.: Grant/Research Support, Astellas, Novartis, Other, Astellas, Advisory board.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,243
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransplantationMême sujetRenal Transplantation Outcomes and TreatmentsTravaux en français237 207