Clinical outcomes of polyvalent immunoglobulin use in solid organ transplant recipients: A systematic review and meta‐analysis
Notice bibliographique
Résumé
Polyvalent immunoglobulin is commonly used for desensitization and treatment of antibody-mediated rejection in kidney transplantation but its impact on other outcomes is not known. This systematic review investigated the impact of immunoglobulin prophylaxis on infection, rejection, graft loss, and death following kidney transplantation. A comprehensive literature search located 18 studies (n = 8 randomized controlled trials). None examined the effect of immunoglobulin prophylaxis in transplant recipients with hypogammaglobulinemia. Quality of included studies was variable with high to very high risk of bias. In the randomized trials, immunoglobulin use did not reduce cytomegalovirus infection (OR 0.68 [0.39, 1.21]; 6 studies, n = 295), rejection (OR 0.96 [0.50, 1.82]; 4 studies, n = 187), or graft loss (OR 1.03 [0.46, 2.30]; 6 studies, n = 265). In non-randomized studies, immunoglobulin did not reduce cytomegalovirus infection (OR 0.63 [0.20, 1.94]; 6 studies, n = 361) or death (OR 1.32 [0.05, 38.79]; 3 studies, n = 222) but reduce rejection (OR 0.47 [0.24, 0.94]; 4 studies, n = 268) and graft loss (OR 0.15 [0.05, 0.43]; 2 studies, n = 118). Data were scarce and sample size of current evidence was small. Adequately powered randomized trials are needed to determine if immunoglobulin is an effective intervention to reduce infection, rejection, graft loss, or death following kidney transplantation with and without hypogammaglobulinemia.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,006 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».