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 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».