Outcomes following heart or bilateral‐lung transplantation from donors who died of drug toxicity in British Columbia, Canada
Notice bibliographique
Résumé
INTRODUCTION: The illicit drug toxicity (overdose) crisis has worsened across Canada; between 2016 and 2021, more than 28,000 individuals have died of drug toxicity. Organ donation from persons who experience drug toxicity death (DTD) has increased in recent years. This study examines whether survival after heart or bilateral-lung transplantation differed by donor cause of death. METHODS: We studied transplant recipients in British Columbia who received heart (N = 110) or bilateral-lung (N = 223) transplantation from deceased donors aged 12-70 years between 2013 and 2019. Transplant recipient survival was compared by donor cause of death from drug toxicity or other. Five-year Kaplan-Meier estimates of survival and 3-year inverse probability treatment weighted Cox proportional hazards models were conducted. RESULTS: DTD donors made up 36% (40/110) of heart and 24% (54/223) of bilateral-lung transplantations. DTD donors were more likely to be young, white, and male. Unadjusted 5-year recipient survival was similar by donor cause of death (heart: 87% for DTD and 86% for non-DTD, p = .75; bilateral- lung: 80% for DTD and 76% for non-DTD, p = .65). Adjusted risk of mortality at 3-years post-transplant was similar between recipients of DTD and non-DTD donor heart (hazard ratio [HR]: .94, 95% confidence interval (CI): .22-4.07, p = .938) and bilateral-lung (HR: 1.06, 95% CI: .41-2.70, p = .908). CONCLUSION: Recipient survival after heart or bilateral-lung transplantation from DTD donors and non-DTD donors was similar. Donation from DTD donors is safe and should be considered more broadly to increase organ donation.
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) | 0,001 | 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) | 0,001 | 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 ».