Biomarkers and predictive models of early allograft dysfunction in liver transplantation – A systematic review of the literature, meta‐analysis, and expert panel recommendations
Notice bibliographique
Résumé
BACKGROUND: Prompt identification of early allograft dysfunction (EAD) is critical to reduce morbidity and mortality in liver transplant (LT) recipients. OBJECTIVES: Evaluate the evidence supporting biomarkers that can provide diagnostic and predictive value for EAD. DATA SOURCES: Ovid MEDLINE, Embase, Scopus, Google Scholar, and Cochrane Central. METHODS: Systematic review following PRISMA guidelines and recommendations using the GRADE approach was derived from an international expert panel. Studies that investigated biomarkers or models for predicting EAD in adult LT recipients were included for in-depth evaluation and meta-analysis. Olthoff's criteria were used as the standard reference for the diagnostic accuracy evaluation. PROSPERO ID: CRD42021293838 RESULTS: Ten studies were included for the systematic review. Lactate, lactate clearance, uric acid, Factor V, HMGB-1, CRP to ALB ratio, phosphocholine, total cholesterol, and metabolomic predictive model were identified as potential early EAD predictive biomarkers. The sensitivity ranged between .39 and .92, while the specificity ranged from .63 to .90. Elevated lactate level was most indicative of EAD after adult LT (pooled diagnostic odds ratio of 7.15 (95%CI: 2.38-21.46)). The quality of evidence (QOE) for lactate as indicator was moderate according to the GRADE approach, whereas the QOE for other biomarkers was very low to low likely as consequence of study design characteristics such as single study, small sample size, and large ranges of sensitivity or specificity. CONCLUSIONS: Lactate is an early indicator to predict EAD after LT (Quality of Evidence: Moderate | Grade of Recommendation: Strong). Further multicenter studies and the use of machine perfusion setting should be implemented for validation.
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) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».