MétaCan
Menu
← Retour à la cohorte
Enregistrement W2970261394 · doi:10.1097/txd.0000000000000842

Pediatric Outcomes in Transplant: PersOnaliSing Immunosuppression To ImproVe Efficacy (POSITIVE Study): The Collaboration and Design of a National Transplant Precision Medicine Program

2018· article· en· W2970261394 sur OpenAlexafffundabout
Tanya Papaz, Upton Allen, Tom Blydt‐Hansen, Patricia E. Birk, Sandar Min, Lorraine Hamiwka, Véronique Phan, Tal Schechter, Donna A. Wall, Simon Urschel, Bethany J. Foster, Seema Mital

Notice bibliographique

RevueTransplantation Direct · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal Transplantation Outcomes and Treatments
Établissements canadiensMcGill University Health CentreMontreal Children's HospitalCentre Hospitalier Universitaire Sainte-JustineAlberta Children's HospitalHealth Sciences CentreUniversity of TorontoSickKids FoundationHospital for Sick ChildrenUniversity of British ColumbiaUniversity of AlbertaCanadian Natural Resources
Organismes subventionnairesCanadian Institutes of Health ResearchHospital for Sick ChildrenAstellas Pharma
Mots-clésImmunosuppressionMedicineHematopoietic stem cell transplantationYoung adultInternal medicineTransplantationOrgan transplantationPediatricsIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Despite age-related differences in biology, physiology, and behavior, transplant immunosuppression is not tailored by age. This likely contributes to high graft failure and posttransplant complications. We present the aims, design, and methods of the Pediatric Outcomes in Transplant: PersOnaliSing Immunosuppression To ImproVe Efficacy Study aimed at personalizing posttransplant immunosuppression in children and young adults. METHODS: In this prospective observational cohort study, we recruited pediatric and young adult solid organ transplant, pediatric allogeneic hematopoietic stem cell transplant recipients, and matched living and deceased organ donors from 14 transplant centers across Canada. Clinical data, questionnaires, biospecimens, and pharmacy records were collected at serial time points: (1) to identify genetic and host immune factors that influence immunosuppression dose requirements across different ages and transplant types, (2) to identify viral-host interactions that increase susceptibility to Epstein-Barr virus infection, and (3) to define care processes and structures associated with medication adherence in adolescents and young adults. RESULTS: From 2015 to 2018, 1662 new and prevalent transplant recipients were screened, 1166 were recruited for the various aims, including 370 liver, 445 kidney, 277 heart, 19 lung, 19 multiple, and 36 hematopoietic stem cell transplant transplants. Twelve percent were younger than 2 years, 30% were 2 to 10 years, 42% were 10 to 18 years, and 16% were 18 to 24 years at enrollment. Nine hundred thirty-one consented to participation in aims 1 and 2 (90% consent rate), 287 to aim 3 (82% consent rate). Biospecimens collected included 898 for DNA, 276 for immunoassays, and 717 for biomarker studies. Seventy percent participants have completed follow-up; 30% are pending study completion. CONCLUSIONS: The design of this national multicenter cross-organ network helped maximize recruitment of a large patient cohort for studying age and organ-related differences in immunosuppression needs that would not otherwise be feasible. Leveraging the unique clinical, biological, environmental, and behavioral characteristics of this cohort will help develop precision medicine strategies for individualizing posttransplant immunosuppression.

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)0,022
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,116

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,352
Écart entre enseignants0,322 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations13
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTransplantation Direct→Même sujetRenal Transplantation Outcomes and Treatments→Travaux en français237 207→