Impact of living donor liver transplantation on long‐term cardiometabolic and graft outcomes in cirrhosis due to nonalcoholic steatohepatitis
Notice bibliographique
Résumé
BACKGROUND AND AIM: Non-alcoholic steatohepatitis (NASH) is a leading indication for liver transplantation (LT). This study aimed to determine whether living donor LT (LDLT) recipients experienced less recurrent NASH, cirrhosis, and cardiometabolic complications compared to deceased donor LT (DDLT). METHOD: Patients with LDLT and DDLT for NASH between February 2002 and May 2018 at University Health Network (UHN) were compared. Cox Proportional Hazard model was used to analyze overall survival (OS), Fine and Gray's Competing Risk models were conducted to analyze cumulative incidence of post LT outcomes. RESULTS: One hundred and ninety-nine DDLTs and 66 LDLTs were performed for NASH cirrhosis. Time and rate of recurrence of NAFLD and NASH were comparable in both groups. Graft cirrhosis was more common in DDLT recipients (n = 14) versus LDLT (n = 0) (p < .0001). Significant fibrosis (Fibrosis ≥ F2) developed in 50 recipients (12 LDLT and 38 DDLT) post LT (DDLT vs. LDLT: HR = 1.00, 95% CI = (.52-1.93), p = .91) and there was no difference in time to significant fibrosis (p = .57). There was no difference in development of post-transplant diabetes, dyslipidemia, metabolic syndrome, cardiovascular disease, and cancers. LDLT group had better renal function at 10 years (MDRD eGFR of 57.0 mL/min vs. 48.5 mL/min, p = .047). Both groups had a comparable OS (HR = 1.83 (95% CI = .92-3.62), p = .08). CONCLUSION: Overall, LDLT recipients had significantly better renal function by virtue of having early transplantation in their disease course. LDLT was also associated with significantly less graft cirrhosis, although OS and cardiometabolic outcomes were comparable between LDLT and DDLT.
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) | 0,001 | 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.
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 ».