Immunosuppression Considerations for Older Kidney Transplant Recipients
Notice bibliographique
Résumé
PURPOSE OF REVIEW: While kidney transplantation improves the long-term survival of the majority of patients with end-stage kidney disease (ESKD), age-related immune dysfunction and associated comorbidities make older transplant recipients more susceptible to complications related to immunosuppression. In this review, we discuss appropriate management of immunosuppressive agents in older adults to minimize adverse events, avoid acute rejection, and maximize patient and graft survival. RECENT FINDINGS: Physiological changes associated with senescence can impact drug metabolism and increase the risk of posttransplant infection and malignancy. Clinical trials assessing the safety and efficacy of immunosuppressive agents in older adults are lacking. Recent findings from U.S. transplant registry-based studies suggest that risk-adjusted death-censored graft failure is higher among older patients who received antimetabolite avoidance, mammalian target of rapamycin inhibitor (mTORi)-based, and cyclosporine-based regimens. Observational data suggest that risk-adjusted mortality may be increased in older patients who receive mTORi-based and cyclosporine-based regimens but lower in those managed with T-cell induction and maintenance steroid avoidance/withdrawal. SUMMARY: Tailored immunosuppression management to improve patient and graft survival in older transplant recipients is an important goal of personalized medicine. Lower intensity immunosuppression, such as steroid-sparing regimens, appear beneficial whereas mTORi- and cyclosporine-based maintenance are associated with greater potential for adverse effects. Prospective clinical trials to assess the safety and efficacy of immunosuppression agents in older recipients are urgently needed.
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) | 0,001 | 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 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 ».