Impact of hyperuricemia on long-term clinical outcomes of renal transplant recipients: a systematic review and meta-analysis
Notice bibliographique
Résumé
PURPOSE: To evaluate the effect of hyperuricemia on clinical outcomes of renal transplant recipients (RTRs). METHODS: A literature search of PubMed, Cochrane, Embase was conducted up to March 20, 2020. The primary outcome was the estimated glomerular filtration rate (eGFR). The second outcomes were the risk of graft loss, death, cardiovascular event and the level of triglyceride. The following search terms were utilized: ((Hyperuricemic group) OR (Hyperuricaemia) OR (Hyperuric) OR (Urea acid) OR (Uric acid) OR (Acid urate) OR (Urate) OR (Gout)) and ((Transplantation) OR (Transplantations) OR (Transplant) OR (Transplants) OR (Graft)). RESULTS: 28 studies with 18224 patients were eligible for inclusion. There was no significant difference in eGFR (<12 months, p=0.07), the risk of graft loss (<60 months, p=0.07) and death (<60months, p=0.19) between the hyperuricemic and normouricemic group in the early post-transplantation period. But increased uric acid levels contributed to the long-term decline of eGFR, the risk of graft loss and death increased after transplantation. Hyperuricemia increased the risk of cardiovascular event with no significant difference in the level of triglyceride between the two groups. CONCLUSIONS: Increased uric acid levels contributed to the long-term decline of eGFR, increased risk of graft loss and death after transplantation. Although there was no significant effect on triglyceride, hyperuricemia increased the risk of cardiovascular event.
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 | 0,010 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,028 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».