Nonimmunologic Donor-Recipient Pairing, HLA Matching, and Graft Loss in Deceased Donor Kidney Transplantation
Notice bibliographique
Résumé
BACKGROUND: In kidney transplantation, nonimmunologic donor-recipient (D-R) pairing is generally not given the same consideration as immunologic matching. The aim of this study was to determine how nonimmunologic D-R pairing relates to independent donor and recipient factors, and to immunologic HLA match for predicting graft loss. METHODS: Seven D-R pairings (race, sex, age, weight, height, cytomegalovirus serostatus, and HLA match) were assessed for their association with the composite outcome of death or kidney graft loss using a Cox regression-based forward stepwise selection model. The best model for predicting graft loss (including nonimmunologic D-R pairings, independent D-R factors, and/or HLA match status) was determined using the Akaike Information Criterion. RESULTS: Twenty three thousand two hundred sixty two (29.9%) people in the derivation data set and 9892 (29.7%) in the validation data set developed the composite outcome of death or graft loss. A model that included both independent and D-R pairing variables best predicted graft loss. The c-indices for the derivation and validation models were 0.626 and 0.629, respectively. Size mismatch (MM) between donor and recipient (>30 kg [D < R} and >15 cm [D < R]) was associated with poor patient and graft survival even with 0 HLA MM, and conversely, an optimal D-R size pairing mitigated the risk of graft loss seen with 6 HLA MM. CONCLUSIONS: D-R pairing is valuable in predicting patient and graft outcomes after kidney transplant. D-R size matching could offset the benefit and harm seen with 0 and 6 HLA MM, respectively. This is a novel finding.
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 | 0,011 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,001 | 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 ».