SARS-CoV-2 Infection Can Lead to an Increase in Tacrolimus Levels in Renal Transplant Patients: A Cohort Study
Notice bibliographique
Résumé
The aim of this study is to evaluate the effect of SARS-CoV-2 infection on serum tacrolimus levels. Tacrolimus levels of 34 transplant patients diagnosed with SARS-CoV-2 in 2020 were compared with their pre-infection values and those of a control group with alternative infections. 20 out of 34 (59%) had high levels. At diagnosis, median tacrolimus level in the SARS-CoV-2 cohort was 9.6 μg/L (2.7–23) compared to 7.9 μg/L in the control group ( p = 0.07, 95% CI for difference −0.3–5.8). The ratio of post-infection to pre-infection tacrolimus values was higher in the SARS-CoV-2 group (1.7) compared to the control group (1.25, p = 0.018, 95% CI for difference 0.08–0.89). The acute kidney injury rate was 65% (13 of 20) in SARS-CoV-2 patients with a level >8 μg/dl, compared to 29% (4 of 14) in those with lower levels ( p = 0.037). Median length of stay was 10 days among SARS-CoV-2 infected patients with high tacrolimus levels compared to 0 days in the rest ( p = 0.04). Four patients with high levels died compared to 2 in the control group. Clinicians should be aware of this potential effect on tacrolimus levels and take appropriate measures.
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 | 0,001 |
| 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 | 0,000 | 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) | 0,000 | 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 ».