The Challenges With the Cardiac Evaluation of Liver and Kidney Transplant Candidates
Notice bibliographique
Résumé
Cardiovascular events are among the leading cause of mortality in kidney and liver transplant recipients. Thus, screening for cardiovascular disease and risk stratification for cardiovascular events constitute an important part of the pretransplant evaluation. In this review, we first summarize current guidelines in the cardiac risk assessment of kidney and liver transplant candidates. We then elaborate on the limitations of these guidelines, summarize the current knowledge gaps, and narrow down a spectrum of 6 themes that serve as challenges to research and practice development. This spectrum pertains to understanding the disease itself, which is challenging due to the altered cardiac physiology in these patients and current guidelines that do not adequately account for nonischemic diseases and events. We then describe the challenges in assessing these patients, their symptoms, and individualizing their risk of cardiovascular events with a special consideration for nontraditional risk factors. We also explore the limitations of the current and novel diagnostic tests and the lack of evidence of therapeutic efficacy in intervening in patients with asymptomatic disease. The transplant procedure itself can be a potential modifiable risk factor for cardiovascular events, that is, surgical technique, type of donor, and induction immunosuppression. Lastly, we describe the potential issues with the current literature when defining cardiac diseases and events across different studies and shortcomings of extrapolating data from the nontransplant literature. We conclude by proposing research and practice implications of our discussion and that there is a need for evidence to guide the revision of current guidelines.
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 | 0,001 | 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) | 0,000 | 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 ».