MétaCan
Menu
Retour à la cohorte
Enregistrement W2883387326 · doi:10.1097/01.tp.0000542959.10675.b6

In Kidney Allografts Inflammation in Scarred Areas is not a Reflection of Chronic Active T Cell-Mediated Rejection

2018· article· en· W2883387326 sur OpenAlexaff
Philip F. Halloran, Jessica Chang, Konrad S. Famulski

Notice bibliographique

RevueTransplantation · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal Transplantation Outcomes and Treatments
Établissements canadiensThe Metabolomics Innovation CentreUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineKidneyKidney diseaseBiopsyInflammationPathologyInternal medicineGastroenterology

Résumé

récupéré en direct d'OpenAlex

Introduction Inflammation in fibrotic renal parenchyma (i-IFTA) is associated with decreased graft survival. It has been postulated recently that i-IFTA represents chronic active T cell-mediated rejection (TCMR). The alternative view is that i-IFTA represents an active response to wounding caused by many forms of nephron injury, and was strongly associated with acute kidney injury transcripts (1). We analyzed our set of indication biopsies that had been scored for i-IFTA to determine the frequency of active histologic or molecular TCMR to determine the role of TCMR in i-IFTA. Materials and Methods In INTERCOMEX (Clinicaltrials.gov NCT01299168), 234 indication biopsies were assessed by a pathologist for i-IFTA, blinded to molecular results. Gene expression was measured by Affymetrix microarrays. Using our Molecular Microscope® diagnostic system (MMDx), based on the gene expression data, we conducted the archetypal analysis (a meta-classifier based on seven molecular classifiers) and assigned biopsies to three molecular diagnoses: Antibody-mediated rejection (ABMR), TCMR and no rejection. We also assigned molecular scores of acute kidney injury (AKI) and T cell burden (QCAT). Results We assigned 234 biopsies to three groups: group 1, without scaring and inflammation (ci=0, i-IFTA=0); group 2, with scaring and no inflammation (ci>0, i-IFTA=0); and group 3, with scarring and i-IFTA (ci>0, i-IFTA>0). The third group had the highest frequency of either histologic or MMDx diagnosis of ABMR (31% and 37%, respectively), whereas TCMR (histologic or molecular) was uncommon (8% and 7%, respectively, Table 1). Histologic and molecular ABMR are both increased in group 3/i-IFTA compared to group 1+2, but neither histologic nor molecular TCMR is increased. Moreover, most biopsies with i-IFTA had neither histologic TCMR/mixed (90/108=83%) nor molecular TCMR/mixed (98/108=91%), but some did have a disease process diagnosed e.g. glomerulonephritis. Frequency of graft failures was also highest in the third group (Table 2) and the graft loss was 24% in ABMR, 8% in mixed rejection and 4% in TCMR by histology, and 48%, 2% and 8% by the MMDx diagnosis, respectively. While group 3/i-IFTA had significantly more graft loss, AKI, T cell burden, and molecular ABMR, it did not have higher TCMR scores than group 1+2, and the mean TCMR classifier scores were below the 0.10 classifier cut off for positivity (Table 2).Conclusion We conclude that most biopsies with i-IFTA have no molecular rejection, and in particular, seldom have molecular TCMR. i-IFTA is associated with ABMR, but not TCMR when both are diagnosed by histology and MMDx, and ABMR also drives graft failures in rejecting kidneys. Inflammation in scared areas reflects the tissue response to ongoing injury, but it is not related to chronic active TCMR. (1) Famulski KS et al. Am J Transplant 2013;13(3):634-44.

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)0,007
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,007
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,018
Tête enseignante GPT0,301
Écart entre enseignants0,283 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransplantationMême sujetRenal Transplantation Outcomes and TreatmentsTravaux en français237 207