Recent advances in new-onset diabetes mellitus after kidney transplantation
Notice bibliographique
Résumé
A common challenge in managing kidney transplant recipients (KTR) is post-transplant diabetes mellitus (PTDM) or diabetes mellitus (DM) newly diagnosed after transplantation, in addition to known pre-existing DM. PTDM is an important risk factor for post-transplant cardiovascular (CV) disease, which adversely affects patient survival and quality of life. CV disease in KTR may manifest as ischemic heart disease, heart failure, and/or left ventricular hypertrophy. Available therapies for PTDM include most agents currently used to treat type 2 diabetes. More recently, the use of sodium glucose co-transporter 2 inhibitors (SGLT2i), glucagon-like peptide-1 receptor agonists (GLP-1 RA), and dipeptidyl peptidase 4 inhibitors (DPP4i) has cautiously extended to KTR with PTDM, even though KTR are typically excluded from large general population clinical trials. Initial evidence from observational studies seems to indicate that SGLT2i, GLP-1 RA, and DPP4i may be safe and effective for glycemic control in KTR, but their benefit in reducing CV events in this otherwise high-risk population remains unproven. These newer drugs must still be used with care due to the increased propensity of KTR for intravascular volume depletion and acute kidney injury due to diarrhea and their single-kidney status, pre-existing burden of peripheral vascular disease, urinary tract infections due to immunosuppression and a surgically altered urinary tract, erythrocytosis from calcineurin inhibitors, and reduced kidney function from acute or chronic rejection.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».