← Retour à la cohorte
Long-term Outcomes With Islet-Alone and Islet-After-Kidney Transplantation for Type 1 Diabetes in the Clinical Islet Transplantation Consortium: The CIT-08 Study
Michael R. Rickels, Thomas L. Eggerman, Levent Bayman, Julie C. Qidwai, Rodolfo Alejandro, Nancy D. Bridges, Bernhard J. Hering, James F. Markmann, Peter Senior, Lawrence G. Hunsicker, José G. Ávila, Beth Begley, Jose Cano, Sallie Carpentier, Elizabeth Holbrook, Jennifer Hutchinson, Christian P. Larsen, Johanna Moreno, Marti H. Sears, Nicole A. Turgeon, Dasia Webster, Christian Berne, Carl Jorns, Torbjörn Lundgren, Mikael Rydén, Enrico Cagliero, Kerry Crisalli, Shan Deng, Ji Lei, David M. Nathan, Patrice Al‐Saden, Jason Battle, Xioajuan Chen, Angela Hecyk, Dixon B. Kaufman, H Kißler, Xunrong Luo, Mark E. Molitch, Natalie Monson, Elyse Stuart, Amisha Wallia, Ling‐Jia Wang, Shusen Wang, Xiaomin Zhang, Christine W. Czarniecki, Julia Goldstein, Tomeka Granderson, Yvonne Morrison, Allison Priore, Gerry Putz, Mark A. Robien, Elizabeth M. Schneider, Guillermo Arreaza, Neal Green, David L. Bigam, Patricia Campbell, Parastoo Dinyari, Sharleen Imes, Tatsuya Kin, Norman M. Kneteman, Angela Koh, James Lyon, Andrew J. Malcolm, Doug O’Gorman, Chris Onderka, Richard Owen, Rena Pawlick, Brad Richer, Shawn Rosichuk, Edmond A. Ryan, Donna Sarman, Adam Schroeder, A. M. James Shapiro, Lana Toth, Vali Toth, Wendy Zhai, Kristina M. Johnson, Joan McElroy, Andrew M. Posselt, Marissa Ramos, Tara Rojas, Peter G. Stock, Gregory L. Szot, Barbara Barbaro, Leelama George, Joan Martellotto, José Oberholzer, Meirigeng Qi, Yong Wang, Kathryn Chaloner, William R. Clarke, Joseph S. Dillon, Cynthia Diltz, Gregory C. Doelle, Dixie Ecklund, Holly Ernst, Deb Feddersen, Eric D. Foster, Carol Jasperson, David-Erick Lafontant, Karen D. McElvany, Tina Neill-Hudson, Deb Nollen, Traci Schwieger, Beth Shields, Jamie Willits, Jon Yankey, Ana Alvarez, Andrea Curry Corrales, Raquel N. Faradji, Tatiana Froud, Ana Alvarez Gil, Eva Herrada, Hirohito Ichii, Luca Inverardi, Norma S. Kenyon, Aisha Khan, Elina Linetsky, J. Montelongo, Eduardo Peixoto, Kathryn Peterson, Camillo Ricordi, Joel Szust, Xiaoling Wang, Xiumin Xu, Muhamad H. Abdulla, Jeffrey D. Ansite, Appakalai N. Balamurugan, Melena D. Bellin, M. Brandenburg, T Gilmore, James V. Harmon, Raja Kandaswamy, Gopal Loganathan, Kate R. Mueller, Klearchos K. Papas, J Højgaard Pedersen, Joshua J. Wilhelm, Jean C. Witson, Aksel Foss, Trond Jenssen, Cornelia Dalton-Bakes, Hongxing Fu, Malek Kamoun, Jane Kearns, Yanjing Li, Chengyang Liu, Eline Luning-Prak, Yanping Luo, Eileen Markmann, Zaw Min, Ali Naji, Maral Palanjian, Richard D. Shlansky-Goldberg, Kumar Vivek, Amin Sam Ziaie, Peter Chebleck, Juan S. Danobeitia, Luis Fernandez Dixon B. Kaufman, Jon S. Odorico, Kristi Schneider, Laura J. Zitur, Daniel Brandhorst, A. Friiberg, Olle Korsgren, Bo Nilsson, Gunnar Tufveson, Bengt von Zur-MΈhlen, Irene D. Feurer
Notice bibliographique
RevueDiabetes Care · 2022
Typearticle
Langueen
DomaineMedicine
ThématiquePancreatic function and diabetes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Center for Research ResourcesNational Institute of Allergy and Infectious DiseasesUniversity of Illinois at Urbana-ChampaignVertex PharmaceuticalsNational Institute of Diabetes and Digestive and Kidney DiseasesJuvenile Diabetes Research Foundation United KingdomUniversity of MinnesotaUniversity of PennsylvaniaUniversity of Miami
Mots-clésIsletMedicineTransplantationInternal medicineImmunosuppressionKidney transplantationType 1 diabetesDiabetes mellitusHypoglycemiaGlycemicEndocrinologyKidneyUrologyGastroenterology
Résumé
OpenAlex consigne un résumé pour ce travail, mais il n'a pas pu être récupéré à l'instant.
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.
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 seuil0,701
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) | 0,001 | 0,000 |
| 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.
Tête enseignante Opus0,033
Tête enseignante GPT0,318
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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.
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
Citations50
Publié2022
Routes d'admission1
Résumé présentoui