Significance of HLA-DQ in kidney transplantation: time to reevaluate human leukocyte antigen–matching priorities to improve transplant outcomes? An expert review and recommendations
Notice bibliographique
Résumé
The weight of human leukocyte antigen (HLA) matching in kidney allocation algorithms, especially in the United States, has been devalued in a stepwise manner, supported by the introduction of modern immunosuppression. The intent was further to reduce the observed ethnic/racial disparity, as data emerged associating HLA matching with decreased access to transplantation for African American patients. In recent years, it has been increasingly recognized that a leading cause of graft loss is chronic antibody-mediated rejection, attributed to the development of de novo antibodies against mismatched donor HLA expressed on the graft. These antibodies are most frequently against donor HLA-DQ molecules. Beyond their impact on graft survival, generation of de novo donor-specific HLA antibodies also leads to increased sensitization, as measured by panel-reactive antibody metrics. Consequently, access to transplantation for patients returning to the waitlist in need of a second transplant is compromised. Herein, we address the implications of reduced HLA matching policies in kidney allocation. We highlight the observed diminished outcome data, the significant financial burden, the long-term health consequences, and, more important, the unintended consequences. We further provide recommendations to examine the impact of donor-recipient HLA class II and specifically HLA-DQα 1 β 1 mismatching, focusing on collection of appropriate data, application of creative simulation approaches, and reconsideration of best practices to reduce inequalities while optimizing patient outcomes.
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 | 0,011 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».