The Effect of the Opioid Epidemic on Donation After Circulatory Death Transplantation Outcomes
Notice bibliographique
Résumé
BACKGROUND: The opioid epidemic and the deaths of otherwise healthy individuals due to drug overdose in the United States has major implications for transplantation. The current extent and safety of utilization of liver and kidney grafts from donation after circulatory death (DCD) donors who died from opioid overdose is unknown. METHODS: Using national data from 2006 to 2016, we estimated the cumulative incidence of graft failure for recipients of DCD grafts, comparing the risk among recipients of organs from donors who died of anoxic drug overdose and recipients of organs from donors who died of other causes. RESULTS: One hundred seventy-nine (6.2%) of 2908 liver graft recipients and 944 (6.1%) of 15520 kidney graft recipients received grafts from donors who died of anoxic drug overdose. Grafts from anoxic drug overdose donors were less frequently used compared with other DCD grafts (liver, 25.9% versus 29.6%; 95% confidence interval [CI] for difference, -6.7% to -0.7%; kidney, 81.0% versus 84.7%; 95% CI for difference, -7.3% to -0.1%). However, the risk of graft failure at 5 years was similar for recipients of anoxic drug overdose donor grafts and recipients of other grafts (liver risk difference, 1.8%; 95% CI, -7.8% to 11.8%; kidney risk difference, -1.5%; 95% CI, -5.4% to 3.1%). CONCLUSIONS: In the context of the current opioid epidemic, utilization of anoxic drug overdose DCD donor grafts does not increase the risk of graft failure and may help to address waitlist demands.
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 | 0,001 | 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 ».