Risk Factors for Acute Rejection in the First Year after Lung Transplant. A Multicenter Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Rationale Acute rejection, manifesting as lymphocytic inflammation in a perivascular (acute perivascular rejection [AR]) or peribronchiolar (lymphocytic bronchiolitis [LB]) distribution, is common in lung transplant recipients and increases the risk for chronic graft dysfunction. Objectives To evaluate clinical factors associated with biopsy-proven acute rejection during the first post-transplant year in a present-day, five-center lung transplant cohort. Methods We analyzed prospective diagnoses of AR and LB from over 2,000 lung biopsies in 400 newly transplanted adult lung recipients. Because LB without simultaneous AR was rare, our analyses focused on risk factors for AR. Multivariable Cox proportional hazards models were used to assess donor and recipient factors associated with the time to the first AR occurrence. Measurements and Main Results During the first post-transplant year, 53.3% of patients experienced at least one AR episode. Multivariable proportional hazards analyses accounting for enrolling center effects identified four or more HLA mismatches (hazard ratio [HR], 2.06; P ≤ 0.01) as associated with increased AR hazards, whereas bilateral transplantation (HR, 0.57; P ≤ 0.01) was associated with protection from AR. In addition, Wilcoxon rank-sum analyses demonstrated bilateral (vs. single) lung recipients, and those with fewer than four (vs. more than four) HLA mismatches demonstrated reduced AR frequency and/or severity during the first post-transplant year. Conclusions We found a high incidence of AR in a contemporary multicenter lung transplant cohort undergoing consistent biopsy sampling. Although not previously recognized, the finding of reduced AR in bilateral lung recipients is intriguing, warranting replication and mechanistic exploration.
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.
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) | 0,000 | 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 découle