Assessment of perioperative surgical complications in pediatric kidney transplantation: A comparison of pre‐emptive and post‐dialysis recipients
Notice bibliographique
Résumé
PURPOSE: To determine whether there is a benefit to pre-emptive kidney transplantation in reducing surgical complications in pediatric population. METHODS: A retrospective review of kidney transplantations in our institution from 2000 to 2015 was performed. Intra- and postoperative complication rates and one-year graft survival were compared in their respective donor type groups (pre-emptive DD vs post-dialysis DD; pre-emptive LD vs post-dialysis LD). RESULTS: A total of 318 patients were identified (pre-emptive DD, n = 21; post-dialysis DD, n = 145; pre-emptive LD, n = 54; post-dialysis LD, n = 98). Between the DD groups, post-dialysis DD group was more likely to be female (P = 0.017). There was no difference in rates of intraoperative complications or graft loss (P = 0.365 and 1.000, respectively). Post-dialysis DD groups were more likely to have postoperative complications (9.5% vs 35.1%, P = 0.023), but no difference in complications with Clavien-Dindo grade 3 or higher was found (P = 0.130). Between the LD groups, post-dialysis LD group was more likely to be females (P = 0.017) and with intrinsic renal (non-urological/structural) ESRD etiology (P = 0.003). There was no difference in rates of intra-and postoperative complications or graft loss (P = 0.353, P = 0.605, and P = 0.616, respectively). CONCLUSIONS: Overall, there are similar perioperative complication rates between pediatric pre-emptive and post-dialysis kidney transplant recipients.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».