Abstract 15777: Induction Immunosuppression is Associated With a Lower Incidence of Post-transplant Diabetes Mellitus in Heart Transplant Recipients: A Propensity-adjusted Analysis
Notice bibliographique
Résumé
Introduction: Post-transplant diabetes mellitus (PTDM) is a common complication among heart transplant recipients resulting in heightened risk of diabetes-related complications and death. While there is evidence that certain maintenance immunosuppression drugs like tacrolimus increase the risk of PTDM, it is not known whether induction immunosuppression does the same. We therefore evaluated whether induction immunosuppression in the early post-transplant period with IL-2 inhibitors, alemtuzumab or anti-thymocyte globulin is associated with PTDM after accounting for potential confounding by indication. Methods: Using data from the Scientific Registry of Transplant Recipients, we conducted a cohort study of 23,946 US adults who received a heart transplant in January 2008-December 2018. PTDM was defined as new diagnosis of diabetes at any time 6 months after transplant. We excluded patients with prior organ transplants and diabetes. We used logistic regression to construct propensity scores for predictors of induction immunosuppression and risk factors for PTDM including demographic, clinical and immunologic factors, pre-transplant therapies, steroids, functional status, and transplant year. We estimated the effect of induction immunosuppression in propensity-adjusted Cox proportional hazards models and produced fully adjusted Kaplan-Meier curves using inverse probability of treatment weights. Results: The average age was 54 (SD=12.5) years, 26% were female and 12,303 (51%) received induction immunosuppression. Over 84,969 person-years, 2,678 (11%) developed PTDM (32 cases/1,000 person-years). In the propensity-adjusted analysis, induction immunosuppression was associated with a 20% lower rate of PTDM (Figure 1; hazard ratio=0.80, 95% confidence interval 0.74-0.87). Conclusions: Adult heart transplant recipients who received induction immunosuppression had a 20% lower rate of PTDM compared to those who did not receive it.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».