Blood transfusion and the risk for infections in kidney transplant patients
Notice bibliographique
Résumé
BACKGROUND: Receipt of a red blood cell transfusion (RBCT) post-kidney transplantation may alter immunity which could predispose to subsequent infection. METHODS: We carried out a single-center, retrospective cohort study of 1,258 adult kidney transplant recipients from 2002 to 2018 (mean age 52, 64% male). The receipt of RBCT post-transplant (468 participants transfused, total 2,373 RBCT) was analyzed as a time-varying, cumulative exposure. Adjusted cox proportional hazards models were used to calculate hazard ratios (HR) for outcomes of bacterial or viral (BK or CMV) infection. RESULTS: Over a median follow-up of 3.8 years, bacterial infection occurred in 34% of participants at a median of 409 days post-transplant and viral infection occurred in 25% at a median of 154 days post-transplant. Transfusion was associated with a step-wise higher risk of bacterial infection (HR 1.35, 95%CI 0.95-1.91; HR 1.29, 95%CI 0.92-1.82; HR 2.63, 95%CI 1.94-3.56; HR 3.38, 95%CI 2.30-4.95, for 1, 2, 3-5 and >5 RBCT respectively), but not viral infection. These findings were consistent in multiple additional analyses, including accounting for reverse causality. CONCLUSION: Blood transfusion after kidney transplant is associated with a higher risk for bacterial infection, emphasizing the need to use transfusions judiciously in this population already at risk for infections.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».