Risk Prediction for Delayed Allograft Function: Analysis of the Deterioration of Kidney Allograft Function (DeKAF) Study Data
Notice bibliographique
Résumé
Background. Delayed graft function (DGF) of a kidney transplant results in increased cost and complexity of management. For clinical care or a DGF trial, it would be ideal to accurately predict individual DGF risk and provide preemptive treatment. A calculator developed by Irish et al has been useful for predicting population but not individual risk. Methods. We analyzed the Irish calculator (IC) in the DeKAF prospective cohort (incidence of DGF = 20.4%) and investigated potential improvements. Results. We found that the predictive performance of the calculator in those meeting Irish inclusion criteria was comparable with that reported by Irish et al. For cohorts excluded by Irish: (a) in pump-perfused kidneys, the IC overestimated DGF risk; (b) in simultaneous pancreas kidney transplants, the DGF risk was exceptionally low. For all 3 cohorts, there was considerable overlap in IC scores between those with and those without DGF. Using a modified definition of DGF—excluding those with single dialysis in the first 24 h posttransplant—we found that the calculator had similar performance as with the traditional DGF definition. Studying whether DGF prediction could be improved, we found that recipient cardiovascular disease was strongly associated with DGF even after accounting for IC-predicted risk. Conclusions. The IC can be a useful population guide for predicting DGF in the population for which it was intended but has limited scope in expanded populations (SPK, pump) and for individual risk prediction. DGF risk prediction can be improved by inclusion of recipient cardiovascular disease.
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 | 0,010 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».