Impact of co-morbidities on survival after heart transplant in females of childbearing age: analysis of the International Society for Heart and Lung Transplantation (ISHLT) Registry
Notice bibliographique
Résumé
Abstract Background Data on life expectancy specific to female heart transplant (HT) recipients of reproductive age are lacking, but are needed to inform shared decision making at the time of pre-conception counseling. We analyzed the ISHLT registry for post-transplant survival and studied the impact of co-morbidities in women of childbearing age. Methods Female HT recipients reported to the ISHLT registry who were aged 15–45 yrs at time of HT were included in this retrospective analysis. Primary outcome was post-transplant survival. Secondary outcomes included the impact of co-morbidities on conditional survival at 5, 10 and 15 years. Results Of 121,501 HT recipients (Jan 1992–June 2018), 30,179 (24.8%) were women. 9,229 (7.6%) were 15–45 yrs at time of HT. Overall median post-transplant survival was 15.2 yrs. Diabetes mellitus (DM) and/or severe chronic kidney disease (CKD) at HT adversely impacted long-term survival (Figure 1). Co-morbidities including cardiac allograft vasculopathy (CAV), DM and CKD negatively impacted 5yr and 10yr conditional survival, individually as well as a combination (Figure 2). 15yr conditional survival confirmed the negative impact of DM and CKD, while CAV did not reach statistical significance. Conclusion Female HT recipients of childbearing age have favorable survival post-HT. Conditional survival at 5 and 10 yrs is negatively impacted by CAV, DM and CKD. The quantification of survival outcomes after heart transplant in women of childbearing age may improve counseling as part of pre-conception informed decision making. Funding Acknowledgement Type of funding sources: None.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».