Can the Timed Up & Go Test and Montreal Cognitive Assessment predict outcomes in patients waitlisted for renal transplant?
Notice bibliographique
Résumé
PURPOSE: Frail patients who undergo renal transplantation (RT) have more complications; however, little is known if these patients can sustain the wait to RT. We used the Timed Up and Go Test (TUGT) and Montreal Cognitive Assessment (MoCA) to determine outcomes of RT candidates. METHODS: In this retrospective study, 526 RT candidates underwent TUGT and MoCA (2015-2019) and were divided into "favorable" (transplanted or remained on the list) or "unfavorable" (not listed, removed from list, or died) outcome. Demographics, education, language, comorbidities, dialysis type, use of a walking device, TUGT, and MoCA were compared by outcome. RESULTS: Overall, 230 patients (43.7%) passed TUG, 268 (51%) passed MoCA, 133 (25.3%) passed both, and 161 (30.6%) failed both tests. Multivariate analysis demonstrated age ≥ 65 (OR 1.58, CI 1.03-2.43), cardiac disease (OR 3.09, CI 2.02-4.72), ≥36 months on dialysis (OR 1.80, CI 1.24-2.69), EPTS < 20% at time of MoCA (OR 0.26, CI 0.07-0.98), and failing TUGT (OR 2.14, CI 1.43-3.19) were associated with unfavorable outcome. Failing MoCA was not associated with outcome. CONCLUSIONS: MoCA test results were not associated with RT waitlist outcomes; however, passing the TUGT was associated with receiving RT or remaining on the list. Additional studies are needed to validate this and determine outcome after RT.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».