GFR Assessment of Living Kidney Donors Candidates
Notice bibliographique
Résumé
Living kidney donation provides the best outcomes (survival, cost, and quality of life) of all renal replacement modalities. Living kidney donors, on the other hand, are at the increased risk of end-stage kidney disease (ESKD) after donation compared with healthy nondonors for multiple possible reasons. Extensive predonation screening is required to assess eligibility for donation to avoid the rejection of suitable candidates and minimize acceptance of donors with increased risk of ESKD. The association between the lower predonation glomerular filtration rate (GFR) and increased ESKD risk in donors highlights the relevance of GFR assessment for living kidney donor candidates. However, the method to evaluate GFR is still debated, and the thresholds of acceptable predonation GFR vary across guidelines. All guidelines favor GFR measurement with an exogenous tracer over estimated GFR, but only the British Transplant Society guidelines mandates it. While the Kidney Disease Improving Global Outcomes Group guidelines advocates for age-independent GFR thresholds, most other guidelines propose various age-dependent GFR thresholds with resulting profound differences in assessment of donor suitability between guidelines. Many important questions are not addressed by any guidelines, including the approach to discordant GFR measurement and estimated GFR results, the use of method-specific GFR thresholds and thresholds dependent on comorbidities or race. Further data are required exploring the associations between these variables and the course of postdonation GFR. Last, GFR evaluation studies conducted in approved donors and not in those initially presenting as potential candidates are questionable regarding their suitability for potential donor evaluation.
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) | 0,001 | 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 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 ».