Optical monitoring in kidney transplant
Notice bibliographique
Résumé
The main objective of this study was to assess the feasibility of NIRS (PortaMon®, Artinis Medical Systems) as a noninvasive monitoring method for kidney transplant function. We hypothesized that changes in NIRS (near infra-red spectroscopy) parameters are associated with changes in graft function as estimated by Glomerular Filtration Rate (GFR) based on serum creatinine level. Two cohorts of participants were recruited: Immediate postoperative and those with at least 8 weeks post-transplant. Other inclusion criteria were BMI<25kg/m2 and AWD (abdominal wall depth) <2cm. We evaluated 4 patients immediately after the surgery in the operating room and continued the examination every day while they were in the hospital. We also monitored them for 12 weeks after surgery. The second group (16 patients) had their surgery in a median of 26 months prior to their recruitment. The procedure of NIRS monitoring was the same for both groups. We examined the surgical sites and opposite sides of the abdomen as our control for at least 3 minutes each time. The collected data were compared with clinical parameters (BP, e-GFR, and Resistive Index). We analyzed the collected data using linear regression model and we noted a positive significant correlation between the tissue saturation index of the surgical site (TOISS%) and e-GFR adjusted for BMI. We also examined the ∆TOI% (percentage of difference of oxygen saturation index between the surgical site and opposite site) to account for the abdominal muscle effects on collected signals.
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) | 0,000 | 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 ».