Magnetic Resonance Elastography-derived Stiffness Predicts Renal Function Loss and Is Associated With Microvascular Inflammation in Kidney Transplant Recipients
Notice bibliographique
Résumé
Background. Organ stiffening can be caused by inflammation and fibrosis, processes that are common causes of transplant kidney dysfunction. Magnetic resonance elastography (MRE) is a contrast-free, noninvasive imaging modality that measures kidney stiffness. The objective of this study was to assess the ability of MRE to serve as a prognostic factor for renal outcomes. Methods. Patients were recruited from the St Michael’s Hospital Kidney Transplant Clinic. Relevant baseline demographic, clinical, and Banff histologic information, along with follow-up estimated glomerular filtration rate (eGFR) data, were recorded. Two-dimensional gradient-echo MRE imaging was performed to obtain kidney “stiffness” maps. Binary logistic regression analyses were performed to examine for relationships between stiffness and microvascular inflammation score. Linear mixed-effects modeling was used to assess the relationship between stiffness and eGFR change over time controlling for other baseline variables. A G 2 -likelihood ratio Chi-squared test was performed to compare between the baseline models with and without “stiffness.” Results. Sixty-eight transplant kidneys were scanned in 66 patients (mean age 56 ± 12 y, 24 females), with 38 allografts undergoing a contemporaneous biopsy. Mean transplant vintage was 7.0 ± 6.8 y. In biopsied allografts, MRE-derived allograft stiffness was associated only with microvascular inflammation (Banff g + ptc score, Spearman ρ = 0.43, P = 0.01), but no other histologic parameters. Stiffness was negatively associated with eGFR change over time (Stiffness × Time interaction β = –0.80, P < 0.0001), a finding that remained significant even when adjusted for biopsy status and baseline variables (Stiffness × Time interaction β = –0.46, P = 0.04). Conversely, the clinical models including “stiffness” showed significantly better fit ( P = 0.04) compared with the baseline clinical models without “stiffness.” Conclusions. MRE-derived renal stiffness provides important prognostic information regarding renal function loss for patients with allograft dysfunction, over and above what is provided by current clinical variables.
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 | 0,001 |
| 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 ».