MétaCan
Menu
Retour à la cohorte
Enregistrement W2914915835 · doi:10.21037/hbsn.2019.01.01

Detecting donor-specific antibodies: the importance of sorting the wheat from the chaff

2019· review· en· W2914915835 sur OpenAlexaff
Jennifer A. McCaughan, Qingyong Xu, Kathryn Tinckam

Notice bibliographique

RevueHepatoBiliary Surgery and Nutrition · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueRenal Transplantation Outcomes and Treatments
Établissements canadiensLondon Health Sciences CentreUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésHuman leukocyte antigenMedicineAntigenAntibodyImmunologyTransplantationEpitopeComputational biologyBiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Human leukocyte antigen (HLA) compatibility is very important for successful transplantation of solid organs. In this paper, we focused on the humoral arm of immunity in the clinical setting of organ transplantation: how HLA antibodies develop, how they can be detected, and what they can do to injure organ transplants. Specifically, we explore the technical perspectives of detecting donor-specific antibodies (DSA) in HLA laboratories, and use real-life clinical cases to explain the principles. Currently there are many tools in our HLA antibody detection toolbox: conventional cytotoxicity cross match, flow cross match, and solid phase assays using beads conjugated with single or multiple HLA antigens. Single antigen bead (SAB) assay is the most sensitive tool available for detecting HLA antibodies and assessing the immunological risk for organ transplant. However, there are intrinsic limitations to solid-phase assays and they are prone to both false negativity and importantly, false positivity. Denatured antigens on single antigen beads might be the most prominent source of false positive reactivity, and may have been underestimated by many HLA experts. No single assay is perfect and therefore multiple methods, including the less sensitive assays, should be employed to determine the clinical relevance of detected HLA antibodies. Thoughtful process, including knowledge of HLA systems, cross reactivity, epitopes, and the patient's clinical history should be employed to correctly interpret data. The clinical team should work closely with HLA laboratories to ensure accurate interpretation of information and optimal management of patients before and after organ transplantation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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.

Tête enseignante Opus0,086
Tête enseignante GPT0,321
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations62
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHepatoBiliary Surgery and NutritionMême sujetRenal Transplantation Outcomes and TreatmentsTravaux en français237 207