The Impact of Preexisting and Post-transplant Diabetes Mellitus on Outcomes Following Liver Transplantation
Notice bibliographique
Résumé
BACKGROUND: Diabetes mellitus (DM) is said to adversely affect transplant outcomes. The aim of this study was to investigate the impact of pre-existing and new-onset DM on liver transplantation (LT) recipients. METHODS: A single-center retrospective analysis of prospectively collected data of LT recipients (1990-2015) was undertaken. RESULTS: Of the 2209 patients, 13% (n = 298) had Pre-DM, 16% (n = 362) developed post-transplant diabetes mellitus (PTDM), 5% (n = 118) developed transient hyperglycemia (t-HG) post-LT, and 65% (n = 1431) never developed DM (no DM). Baseline clinical characteristics of patients with PTDM were similar to that of patients with Pre-DM. Incidence of PTDM peaked during the first year (87%) and plateaued thereafter. On multivariate analysis (Bonferroni-corrected), nonalcoholic fatty liver disease and the use of tacrolimus and sirolimus were independently associated with PTDM development. Both Pre-DM and PTDM patients had satisfactory and comparable glycemic control throughout the follow-up period. Those who developed t-HG seem to have a unique characteristic compared with others. Overall, 9%, 5%, and 8% of patients developed end-stage renal disease (ESRD), major cardiovascular event (mCVE), and de novo cancer, respectively. Both Pre-DM and PTDM did not adversely affect patient survival, retransplantation, or de novo cancer. The risks of ESRD and mCVE were significantly higher in patients with Pre-DM followed by PTDM and no DM. CONCLUSIONS: In this largest nonregistry study, patients with Pre-DM and PTDM share similar baseline clinical characteristics. Pre-DM increases the risk of ESRD and mCVE; however, patient survival was comparable to those with PTDM and without diabetes. Understanding the impact of PTDM would need prolonged follow-up.
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) | 0,000 | 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 ».