Differences in Liver Graft Survival by Recipient Sex
Notice bibliographique
Résumé
We aimed to characterize patterns of differences in heart graft failure rates by recipient sex, accounting for modifying effects of donor sex and recipient age. METHODS: We evaluated 69 246 first heart transplant recipients (1988-2019; Scientific Registry of Transplant Recipients). We used multivariable time-varying Cox models, considering recipient sex by donor sex by recipient age interaction and adjusting for potential confounders. Using the hazard ratio (HR) from the models and a fixed profile of recipient and donor characteristics, we also compared fitted absolute failure rates by recipient sex. RESULTS: Among recipients of male donors, female recipients of all ages had higher failure rates than males (0-12 y: HR 1.36 (95% confidence interval [CI], 1.03-1.81); 13-24 y: 1.43 [1.09-1.88]; 25-44 y: 1.22 [0.95-1.57]; ≥45 y: 1.16 [1.06-1.27]); differences were statistically significant in all age intervals except 25-44 y. When the donor was male, 13 to 24-y-olds showed the largest absolute difference in fitted absolute failure rates, with rates higher by 11.3 failures per 1000 person-y in female than male recipients. Among recipients of female donors, there were no statistically significant differences in graft failure rates between female and male heart recipients of any age. Although point estimates suggested higher failure rates in female than male recipients <25 y (0-12 y: HR 1.19 [95% CI, 0.85-1.66]; 13-24 y: 1.17 [0.84-1.63]), these were not statistically significant. CONCLUSIONS: Female recipients tended to have poorer outcomes than males, particularly at younger ages and when the donor was male, consistent with observations in kidney transplants.
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) | 0,000 | 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 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 ».