The Impact of DGF On Kidney Allograft Survival: A Paired Kidney Analysis.
Notice bibliographique
Résumé
The long-term implications of DGF remain uncertain. To remove the confounding effect of donor factors, we examined the impact of DGF on post-transplant outcomes in a paired kidney analysis, where one recipient had DGF and the recipient of the mate kidney from the same donor did not. We identified n=100,248 deceased donors between 1998-2011 in SRTR where kidneys were transplanted to separate recipients. In n=10,256(10%) of donors, both recipients developed DGF; in n=30,302(30%) donors 1 recipient developed DGF (discordant DGF; and in n=59,690(60%) donors, neither recipient developed DGF. In transplant pairs with discordant DGF, we used conditional Cox regression to determine the association of DGF with death censored graft loss and all cause graft loss and further examined the association of DGF with all cause graft loss in cases of DGF with and without concomitant acute rejection at the time of discharge after transplantation. Results: After adjustment for differences in relevant transplant and recipient factors, DGF was associated with a 1.8 fold increased risk of all cause graft loss and a 2.2 fold increase in the risk of death censored graft loss. DGF with concurrent acute rejection was associated with a 3 fold increase in all cause graft loss, whereas DGF without concurrent acute rejection was associated with a 1.7 fold increase in all cause graft loss(Table). The following factors were associated with DGF: male sex, black race, a history of diabetes or peripheral vascular disease, prior transplantation, PRA≥20, HLA mismatch, cold ischemic time>12 hours, and the use of cold storage. Conclusion: These results suggest that the occurrence of DGF confers an independent risk of graft loss in kidney transplant recipients.Table: No Caption available.
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 ».