Immunosuppression practices during the COVID‐19 pandemic: A multinational survey study of transplant programs
Notice bibliographique
Résumé
During the COVID-19 pandemic, there has been wide heterogeneity in the medical management of transplant recipients. We aimed to pragmatically capture immunosuppression practices globally following the early months of the pandemic. From June to September 2020, we surveyed 1267 physicians; 40.5% from 71 countries participated. Management decisions were made on a case-by-case basis by the majority (69.6%) of the programs. Overall, 76.8% performed ≥1 transplantation and many commented on avoiding high-risk transplantations. For induction, 26.5% were less likely to give T-cell depletion and 14.8% were more likely to give non-depleting agents. These practices varied by program-level factors more so than the COVID-19 burden. In patients with mild, moderate and severe COVID-19 symptoms 59.7%, 76.0%, and 79.5% decreased/stopped anti-metabolites, 23.2%, 45.4%, and 68.2% decreased/stopped calcineurin inhibitors, and 25.7%, 43.9%, and 57.7% decreased/stopped mTOR inhibitors, respectively. Also, 2.1%, 30.6%, and 46.0% increased steroids in patients with mild, moderate, and severe COVID-19 symptoms. For prevalent transplant recipients, some programs also reported decreasing/stopping steroids (1.8%), anti-metabolites (10.3%), calcineurin inhibitors (4.1%), and mTOR inhibitors (5.5%). Transplant programs changed immunosuppression practices but also avoided high-risk transplants and increased maintenance steroids. The long-term ramifications of these practices remain to be seen as programs face the aftermath of the pandemic.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».