Living Donor Versus Deceased Donor Pediatric Liver Transplantation: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
Background. Reduced-size deceased donors and living donor liver transplantation (LDLT) can address the organ shortage for pediatric liver transplant candidates, but concerns regarding technical challenges and the risk of complications using these grafts have been raised. The aim of this study was to compare outcomes for pediatric LDLT and deceased donor liver transplantation (DDLT) via systematic review. Methods. A systematic literature search was performed to identify studies reporting outcomes of pediatric (<18 y) LDLT and DDLT published between 2005 and 2019. A meta-analysis was conducted to examine peri- and postoperative outcomes using fixed- and random-effects models. Results. Overall, 2518 abstracts were screened, and 10 studies met criteria for inclusion. In total, 1622 LDLT and 6326 DDLT pediatric patients from 4 continents were examined. LDLT resulted in superior patient survival when compared with DDLT at 1, 3, and 5 y post-LT (1-y hazard ratio: 0.58, 95% confidence interval [CI] 0.47-0.73, P < 0.0001). Similarly, LDLT resulted in superior graft survival at all time points post-LT when compared with DDLT (1-y hazard ratio: 0.56 [95% CI 0.46-0.68], P < 0.0001]. The OR for vascular complications was 0.73 (95% CI 0.39-1.39) and 1.31 (95% CI 0.92-1.86) for biliary complications in LDLT compared with DDLT, whereas LDLT was associated with lower rates of rejection (OR: 0.66 [95% CI 0.45-0.96], P = 0.03). Conclusions. This meta-analysis demonstrates that LDLT may offer many advantages when compared with DDLT in children and suggests that LDLT should continue to be expanded to optimize outcomes for pediatric LT candidates.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,004 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».