Does prolonged cold ischemia affect outcomes in donation after cardiac death donor kidney transplants?
Notice bibliographique
Résumé
BACKGROUND: The purpose of this study was to analyze the combined effect of cold ischemia time (CIT) and donation after cardiac death (DCD, with requisite warm ischemia time, WIT) on kidney transplant (KT) outcomes. METHODS: Single center retrospective review of DCD KT recipients stratified by CIT. RESULTS: From 6/08 to 10/20, we performed 446 DCD KTs (115 CIT ≤20, 205 CIT 20-30, 88 CIT 30-40, 38 CIT ≥40 h). Mean WITs (26/25/27/23 min) and KDPI values (59%/55%/55%/59%) were similar while mean CITs (16.4/23.6/33.4/42.5 h) and pump times (10.3/13.6/16.1/20.4 h) differed across groups (P < .05). With a mean 6-year follow-up, patient survival (84%/84%/74%/84%) was similar. Kidney graft survival (GS) (72%/72%/56%/58%) and death censored GS (DCGS) (82%/80%/63%/67%) rates decreased whereas rates of primary nonfunction (PNF, .9%/2.4%/9.1%/7.9%) and delayed graft function (DGF) (36%/48%/50%/69%) increased with longer CIT (≥30 h, P < .05). Meaningful years free of dialysis, which we refer to as Allograft Life Years, were achieved in all cohorts (4.5/4.3/3.9/4.3 years per patient transplanted). CONCLUSION: DCD donor kidneys with prolonged CIT (≥30 h) are associated with increased rates of DGF and PNF, along with decreased GS and DCGS. Despite this, Allograft Life Years were gained even with longer CITs, demonstrating the utility of using these allografts.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 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 ».