A 2020 Banff Antibody‐mediatedInjury Working Group examination of international practices for diagnosing antibody‐mediated rejection in kidney transplantation – a cohort study
Notice bibliographique
Résumé
The Banff antibody-mediated rejection (ABMR) classification is vulnerable to misinterpretation, but the reasons are unclear. To better understand this vulnerability, we evaluated how ABMR is diagnosed in practice. To do this, the Banff Antibody-Mediated Injury Workgroup electronically surveyed an international cohort of nephrologists/surgeons (n = 133) and renal pathologists (n = 99). Most providers (97%) responded that they use the Banff ABMR classification at least sometimes, but DSA information is often not readily available. Only 41.1% (55/133) of nephrologists/surgeons and 19.2% (19/99) of pathologists reported that they always have DSA results when the biopsy is available. Additionally, only 19.6% (26/133) of nephrologists/surgeons responded that non-HLA antibody or molecular transcripts are obtained when ABMR histologic features are present but DSA is undetected. Several respondents agreed that histologic features concerning for ABMR in the absence of DSA and/or C4d are not well accounted for in the current classification [31.3% (31/99) pathologists and 37.6% (50/133) nephrologist/surgeons]. The Banff ABMR classification appears widely accepted, but efforts to improve the accessibility of DSA information for the multidisciplinary care team are needed. Further clarity is also needed in Banff ABMR nomenclature to account for the spectrum of ABMR and for histologic features suspicious for ABMR when DSA is absent.
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 | 0,001 | 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 ».