Pretransplant Calculated Panel Reactive Antibody in the Absence of Donor-Specific Antibody and Kidney Allograft Survival
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Panel reactive antibody informs the likelihood of finding an HLA-compatible donor for transplant candidates, but has historically been associated with acute rejection and allograft survival because testing methods could not exclude the presence of concomitant donor-specific antibodies. Despite new methods to exclude donor-specific antibodies, panel reactive antibody continues to be used to determine the choice of induction and maintenance immunosuppression. The study objective was to determine the clinical relevance of panel reactive antibody in the absence of donor-specific antibodies. DESIGN, SETTING, PARTICIPANTS, & MEASUREMENTS: Retrospective observational study of kidney allograft survival among 4058 zero HLA-A-, B-, DR-, and DQB1-mismatched transplant recipients without antibodies to donor kidney antigens encoded by these HLA gene loci. RESULTS: Among 4058 first and repeat transplant recipients, patients with calculated panel reactive antibody (cPRA) 1%-97% were not at higher risk of transplant failure, compared with patients with cPRA of 0% (death censored graft loss: hazard ratio, 1.07; 95% confidence interval, 0.82 to 1.41). Patients with cPRA ≥98% had a higher risk of graft loss from any cause including death (hazard ratio, 1.39; 95% confidence interval, 1.08 to 1.79) and death censored allograft failure (hazard ratio, 1.78; 95% confidence interval, 1.27 to 2.49). In stratified analyses, the higher risk of graft loss among patients with cPRA ≥98% was only observed among repeat, but not first, transplant recipients. In subgroup analysis, there was no association between cPRA and graft loss among living related transplant recipients. CONCLUSIONS: Calculated panel reactive antibody is poorly associated with post-transplant immune reactivity to the allograft in the absence of donor-specific antibody. PODCAST: This article contains a podcast at https://www.asn-online.org/media/podcast/CJASN/2021_01_25_CJN13640820_final.mp3.
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 | 0,003 |
| 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 | 0,001 | 0,000 |
| 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 ».