The kidney evaluation of living kidney donor candidates: US practices in 2017
Notice bibliographique
Résumé
We surveyed US transplant programs to assess practices used to assess kidney health in living kidney donor candidates in 2017; the response rate was 31%. In this report, we focus on the kidney; a companion piece focuses on the metabolic and cardiovascular aspects of candidate evaluation. Compared to 2005, programs have become more stringent in accepting younger candidates and less stringent in accepting older candidates. The 24-hour creatinine clearance remains the mainstay for kidney function assessment, with 74% continuing to use a value below 80 mL/min/1.73 m2 for exclusion and 22% using age-based criteria. ApoL1 genotyping is obtained routinely or selectively by 45%, half of which use the high-risk genotype as an absolute exclusion criterion. For history of symptomatic stones, 49% accept if there is no current radiographic evidence of stones and urine profile is low risk, 80%-95% consider candidates with unilateral asymptomatic stones, but only 33%-48% consider if stones are bilateral. In addition, 14% use the risk assessment tool developed by Grams et al routinely for decision-making, and 42% use it sometimes. Also, 57% reported not having yet determined a risk threshold for acceptable postdonation risk above which candidates are excluded. Contemporary practice variation underscores the need for better evidence to guide the donor selection process.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».