Post‐liver transplantation chronic kidney disease is associated with increased cardiovascular disease risk and poor survival
Notice bibliographique
Résumé
Chronic kidney disease (CKD) is common following liver transplantation (LT). We aimed to investigate the frequency, risk factors, and impact of CKD on cardiovascular disease (CVD), graft, and patient survival. We analyzed 752 patients who received LT at the University of Alberta. Development of CKD was defined as eGFR <60 ml/min for greater than 3 months, intrinsic renal disease or presence of end-stage renal disease requiring renal replacement therapy. 240 patients were female (32%), and mean age at LT was 53 ± 11 years. CKD was diagnosed in 448 (60%) patients. On multivariable analysis, age (OR 1.3; P = 0.01), female sex (OR 3.3; P < 0.001), baseline eGFR (OR 0.83; P < 0.001), MELD (OR 1.03; P = 0.01), de novo metabolic syndrome (OR 2.3; P = 0.001), and acute kidney injury (OR 3.5; P < 0.001) were associated with CKD. A higher tacrolimus concentration to dose ratio was protective for CKD (OR 0.69; P < 0.001). CKD was associated with post-transplant CVD (26% vs. 16% P < 0.001), reduced graft (HR 1.4; P = 0.02), and patient survival (HR 1.3; P = 0.03). CKD is a frequent complication following LT and is associated with an increased risk of CVD and reduced graft and patient survival.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 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 ».