Mid- and Long-Term Health Risks in Living Kidney Donors
Notice bibliographique
Résumé
Letters21 August 2018Mid- and Long-Term Health Risks in Living Kidney DonorsGeir Mjoen, MD, PhD and Hallvard Holdaas, MD, PhDGeir Mjoen, MD, PhDOslo University Hospital, Oslo, Norway (G.M., H.H.)Search for more papers by this author and Hallvard Holdaas, MD, PhDOslo University Hospital, Oslo, Norway (G.M., H.H.)Search for more papers by this authorAuthor, Article, and Disclosure Informationhttps://doi.org/10.7326/L18-0340 SectionsAboutFull TextPDF ToolsAdd to favoritesDownload CitationsTrack CitationsPermissions ShareFacebookTwitterLinkedInRedditEmail TO THE EDITOR:O'Keeffe and colleagues (1) performed several meta-analyses of important outcomes after kidney donation. Among these was an analysis of 4 studies on all-cause mortality among kidney donors, including a Canadian study by Garg and associates (2) that had a median follow-up of 6.5 years, a U.S. study by Segev and coworkers (3) that had a follow-up of 6.3 years, and a Norwegian study from our group (4) that had a median follow-up of 14 years. These 3 studies showed different results.Garg and Segev and their respective colleagues found significantly decreased mortality among kidney donors; our study ...References1. O'Keeffe LM, Ramond A, Oliver-Williams C, Willeit P, Paige E, Trotter P, et al. Mid- and long-term health risks in living kidney donors: a systematic review and meta-analysis. Ann Intern Med. 2018;168:276-84. [PMID: 29379948]. doi:10.7326/M17-1235 LinkGoogle Scholar2. Garg AX, Meirambayeva A, Huang A, Kim J, Prasad GV, Knoll G, et al; Donor Nephrectomy Outcomes Research Network. Cardiovascular disease in kidney donors: matched cohort study. BMJ. 2012;344:e1203. [PMID: 22381674] doi:10.1136/bmj.e1203 CrossrefMedlineGoogle Scholar3. Segev DL, Muzaale AD, Caffo BS, Mehta SH, Singer AL, Taranto SE, et al. Perioperative mortality and long-term survival following live kidney donation. JAMA. 2010;303:959-66. [PMID: 20215610] doi:10.1001/jama.2010.237 CrossrefMedlineGoogle Scholar4. Mjøen G, Hallan S, Hartmann A, Foss A, Midtvedt K, Øyen O, et al. Long-term risks for kidney donors. Kidney Int. 2014;86:162-7. [PMID: 24284516] doi:10.1038/ki.2013.460 CrossrefMedlineGoogle Scholar5. Berger JC, Muzaale AD, James N, Hoque M, Wang JM, Montgomery RA, et al. Living kidney donors ages 70 and older: recipient and donor outcomes. Clin J Am Soc Nephrol. 2011;6:2887-93. [PMID: 22034505] doi:10.2215/CJN.04160511 CrossrefMedlineGoogle Scholar Author, Article, and Disclosure InformationAffiliations: Oslo University Hospital, Oslo, Norway (G.M., H.H.)Disclosures: Authors have disclosed no conflicts of interest. Forms can be viewed at www.acponline.org/authors/icmje/ConflictOfInterestForms.do?msNum=L18-0340. PreviousarticleNextarticle Advertisement FiguresReferencesRelatedDetailsSee AlsoMid- and Long-Term Health Risks in Living Kidney Donors Linda M. O'Keeffe , Anna Ramond , Clare Oliver-Williams , Peter Willeit , Ellie Paige , Patrick Trotter , Jonathan Evans , Jonas Wadström , Michael Nicholson , Dave Collett , and Emanuele Di Angelantonio Mid- and Long-Term Health Risks in Living Kidney Donors Linda M. O'Keeffe , Anna Ramond , and Emanuele Di Angelantonio Metrics Cited byWhat happens to the live donor in the years following donation? 21 August 2018Volume 169, Issue 4Page: 265KeywordsChronic kidney diseaseCohort studiesConflicts of interestDisclosureKidneysMortalityRenal analysis ePublished: 21 August 2018 Issue Published: 21 August 2018 Copyright & PermissionsCopyright © 2018 by American College of Physicians. All Rights Reserved.PDF downloadLoading ...
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 | 0,003 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».