MétaCan
Menu
Retour à la cohorte
Enregistrement W4291783004 · doi:10.1097/tp.0000000000004231

Assessing the Relationship Between Molecular Rejection and Parenchymal Injury in Heart Transplant Biopsies

2022· article· en· W4291783004 sur OpenAlexaff
Katelynn S. Madill-Thomsen, J. Reeve, A. Aliabadi-Zuckermann, Martín Cadeiras, María G. Crespo‐Leiro, E.C. DePasquale, Mario C. Deng, J. Goekler, Daniel H. Kim, Jon Kobashigawa, Peter S. Macdonald, Luciano Potena, Keyur B. Shah, Josef Stehlik, Andreas Zuckermann, Philip F. Halloran

Notice bibliographique

RevueTransplantation · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueTransplantation: Methods and Outcomes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPathologyMedicineHeart transplantationBiopsyParenchymaTransplantationInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The INTERHEART study (ClinicalTrials.gov #NCT02670408) used genome-wide microarrays to detect rejection in endomyocardial biopsies; however, many heart transplants with no rejection have late dysfunction and impaired survival. We used the microarray measurements to develop a molecular classification of parenchymal injury. METHODS: In 1320 endomyocardial biopsies from 645 patients previously studied for rejection-associated transcripts, we measured the expression of 10 injury-induced transcript sets: 5 induced by recent injury; 2 reflecting macrophage infiltration; 2 normal heart transcript sets; and immunoglobulin transcripts, which correlate with time. We used archetypal clustering to assign injury groups. RESULTS: Injury transcript sets correlated with impaired function. Archetypal clustering based on the expression of injury transcript sets assigned each biopsy to 1 of 5 injury groups: 87 Severe-injury, 221 Late-injury, and 3 with lesser degrees of injury, 376 No-injury, 526 Mild-injury, and 110 Moderate-injury. Severe-injury had extensive loss of normal transcripts (dedifferentiation) and increase in macrophage and injury-induced transcripts. Late-injury was characterized by high immunoglobulin transcript expression. In Severe- and Late-injury, function was depressed, and short-term graft failure was increased, even in hearts with no rejection. T cell-mediated rejection almost always had parenchymal injury, and 85% had Severe- or Late-injury. In contrast, early antibody-mediated rejection (AMR) had little injury, but late AMR often had the Late-injury state. CONCLUSIONS: Characterizing heart transplants for their injury state provides new understanding of dysfunction and outcomes and demonstrates the differential impact of T cell-mediated rejection versus AMR on the parenchyma. Slow deterioration from AMR emerges as a major contributor to late dysfunction.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,444

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,065
Tête enseignante GPT0,378
Écart entre enseignants0,313 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransplantationMême sujetTransplantation: Methods and OutcomesTravaux en français237 207