Non-invasive Chemokine Detection: Improved Prediction of Antibody-Mediated Rejection in Donor-Specific Antibody-Positive Renal Allograft Recipients
Notice bibliographique
Résumé
Background: Screening for donor-specific antibodies (DSA) has limited diagnostic value in patients with late antibody-mediated rejection (ABMR). Here, we evaluated whether biomarkers reflecting microcirculation inflammation or tissue injury -as an adjunct to DSA detection -are able to improve noninvasive ABMR monitoring. Methods: Upon prospective cross-sectional antibody screening of 741 long-term kidney transplant recipients with a silent clinical course, 86 DSA-positive patients were identified and biopsied. Serum and urine levels of E-selectin/CD62E, vascular cell adhesion molecule 1 (VCAM-1), granzyme B, hepatocyte growth factor (HGF), C-C motif chemokine ligand (CCL)3, CCL4, C-X-C motif chemokine ligand (CXCL)9, CXCL10 and CXCL11 in DSA-positive recipients were investigated applying multiplexed bead-based immunoassays. Results: Diagnosis of ABMR (50 patients) was associated with significantly higher levels of CXCL9 and CXCL10 in blood and urine and of HGF in blood. Overall, urinary CXCL9 had the highest diagnostic accuracy for ABMR (area under the receiver operating characteristic curve: 0.77; accuracy: 80%) and its combined evaluation with the mean fluorescence intensity of the immunodominant DSA (DSAmax MFI) revealed a net reclassification improvement of 73% compared to DSAmax MFI alone.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».