MétaCan
Menu
Retour à la cohorte
Enregistrement W2806818208 · doi:10.21037/jtd.2018.04.119

Ex vivo lung perfusion: a potential platform for molecular diagnosis and ex vivo organ repair

2018· review· en· W2806818208 sur OpenAlexaboutno aff
Michael Hsin, Tim Au

Notice bibliographique

RevueJournal of Thoracic Disease · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueTransplantation: Methods and Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineLung transplantationLungEx vivoTransplantationIntensive care medicineSurgeryIn vivoInternal medicine

Résumé

récupéré en direct d'OpenAlex

Lung transplantation is a proven treatment for selected patients with end-stage lung disease. However, the number of patients on the transplant waiting list far exceeds the number of available donor lungs, resulting in waiting list morbidity and mortality. The problem is further exacerbated by the low utilisation rate of available donor lungs, for fear of selecting a damaged lung and the resultant primary graft dysfunction. In the past decade, ex vivo lung perfusion (EVLP) has become part of standard lung transplant clinical practice in Canada and Europe, and it has been shown to improve the usage of available donor lungs by allowing physiological and radiologic evaluation of explanted donor lungs that are considered "marginal". This allows clinicians a second opportunity to decide whether to proceed to transplantation, instead of declining an organ that appears questionable by standard clinical criteria. However there has been much research activity looking at EVLP as a platform for (I) molecular diagnosis, thereby further improving the diagnostic accuracy regarding quality of the donor lung; (II) organ repair, thereby allowing injured donor lungs to become clinically useable. This manuscript summarises some of the preclinical and clinical research from the Toronto group focusing on these promising aspects of EVLP which may further increase the number of useable donor lungs in lung transplantation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,863
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,045
Tête enseignante GPT0,417
Écart entre enseignants0,372 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations17
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Thoracic DiseaseMême sujetTransplantation: Methods and OutcomesTravaux en français237 207