MétaCan
Menu
Retour à la cohorte
Enregistrement W3049343087 · doi:10.1111/tri.13718

Impact of belatacept conversion on kidney transplant function, histology, and gene expression ‐ a single‐center study

2020· article· en· W3049343087 sur OpenAlexaff
Gaurav Gupta, Marc Raynaud, Dhiren Kumar, Pooja Sanghi, Jessica Chang, Pam Kimball, Le Kang, Marlon F. Levy, Amit Sharma, Chandra Bhati, Layla Kamal, Idris Yakubu, H. Davis Massey, Chelsea Kidd, Anne L. King, Philip F. Halloran

Notice bibliographique

RevueTransplant International · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal Transplantation Outcomes and Treatments
Établissements canadiensThe Metabolomics Innovation Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineBelataceptSingle CenterHistologyKidney transplantNephrologyInternal medicineKidney transplantationOncologyKidney

Résumé

récupéré en direct d'OpenAlex

) over 2-year follow-up. Patients converted < 6 months post-transplant were more likely to have a long-term improvement in kidney function. Paired gene expression analysis of 30 (of 53) consecutive pre- and postconversion surveillance biopsies did not reveal changes in inflammation/acute injury; although atrophy-fibrosis score worsened (mean = 0.28 to 0.44; P = 0.005). Thus, improvement in renal function with belatacept conversion occurred early and then sustained in comparison with controls where renal function remained unchanged overtime. We were unable to show molecular signals that could be related to CNI administration and regressed after withdrawal.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,039
Score d'incertitude au seuil0,572

Scores Codex et Gemma par catégorie

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

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 Opus0,033
Tête enseignante GPT0,296
Écart entre enseignants0,263 · 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 tête enseignante, 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransplant InternationalMême sujetRenal Transplantation Outcomes and TreatmentsTravaux en français237 207