Surgical Complications in Kidney Transplant Recipients in the Modern Era
Notice bibliographique
Résumé
Background Kidney transplantation increases the quality of life of patients with end stage renal disease (ESRD). However, surgical complications (SC) of transplantation pose risks to clinical outcomes and increase healthcare burden. Literature on the topic is fragmented, with no studies examining multiple types of SC. We examined trends in perigraft collections, vascular, urological and wound-related SC within one month of kidney transplant, and their associated clinical outcomes in a Canadian cohort of kidney transplant recipients. Methodology We conducted a single centre, retrospective cohort study examining adult patients (≥18 years) who received a kidney transplant between January 1st, 2005 and December 31st, 2015 with a one year follow up period (n = 1,303). All non-kidney or simultaneous multi-organ transplants were excluded. Univariable and multivariable Cox proportional hazard models were fitted to analyze the relationship between SC (exposure levels: 0, 1, and >1 SC within 1 month of transplant) and clinical outcomes. Results The incidence rate of SC within 1 year post-transplant was 10.7 (95% C.I.: 10.0, 11.9). The most common SC were perigraft collections, of which hematomas were most prevalent. Risk factors associated with having SC included older recipient age (p= 0.02), deceased donor (p= 0.02), and delayed graft function (p< 0.001). Univariable analyses showed significant relationships between having more than 1 SC within a month of transplant and increased risk for readmission (p= 0.04) as well as reduced estimated glomerular filtration rate (eGFR) (p= 0.03) at 1 year post-transplant. Multivariable analyses resulted in no clear significant relationships between SC and clinical outcomes including graft and patient survival. Conclusions The incidence of SC at TGH is comparable to that reported in the literature, which ranges from 3 to 20%. Although common, SC were not independently associated with adverse graft and patient outcomes. The impact of SC on morbidity outcomes requires further study.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».