Clinical outcomes of polyvalent immunoglobulin use in solid organ transplant recipients: A systematic review and meta‐analysis – Part II: Non‐kidney transplant
Notice bibliographique
Résumé
Immunoglobulin (IG) is commonly used to desensitize and treat antibody-mediated rejection in solid organ transplant (SOT) recipients. The impact of IG on other outcomes such as infection, all-cause mortality, graft rejection, and graft loss is not clear. We conducted a similar systematic review and meta-analysis to our previously reported Part I excluding kidney transplant. A comprehensive literature review found 16 studies involving the following organ types: heart (6), lung (4), liver (4), and multiple organs (2). Meta-analysis could only be performed on mortality outcome in heart and lung studies due to inadequate data on other outcomes. There was a significant reduction in mortality (OR 0.34 [0.17-0.69]; 4 studies, n = 455) in heart transplant with hypogammaglobulinemia receiving IVIG vs no IVIG. Mortality in lung transplant recipients with hypogammaglobulinemia receiving IVIG was comparable to those of no hypogammaglobulinemia (OR 1.05 [0.49, 2.26]; 2 studies, n = 887). In summary, IVIG targeted prophylaxis may decrease mortality in heart transplant recipients as compared to those with hypogammaglobulinemia not receiving IVIG, or improve mortality to the equivalent level with those without hypogammaglobulinemia in lung transplant recipients, but there is a lack of data to support physicians in making decisions around using immunoglobulins in all SOT recipients for infection prophylaxis.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,007 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».