O004 Impact of normothermic regional perfusion on recipient outcomes after simultaneous pancreas and kidney transplantation – a UK analysis from the NHSBT Pancreas Advisory Group
Notice bibliographique
Résumé
Abstract Introduction A quarter of UK SPK transplants are from Deceased Cardiac Donors(DCD), with an increasing number recovered following in-situ normothermic regional perfusion(NRP). The aim of this study was to review the UK experience of SPK transplantation following NRP in DCD. Methods Data were collected on all first DCD SPKTs(n=360) performed during 2013–2021 from the UK Transplant Registry. Non-NRP DCD SPK were compared to NRP DCD SPKs. Kaplan Meier plots and cox regression analyses were performed. Results Some 198 pancreas were offered from NRP donors with 83 being retrieved. The majority of SPK grafts were from nonNRP donors n=324(90.0%) with n=36(10.0%) from NRP donors. The median cold ischaemic time (CIT) from NRP donors (9.7 hours) was significantly less than nonNRP donors (10.2 hours) (p=0.013). For all other parameters, donors were well matched. Recipients who received a graft from an NRP donor were also well matched with the recipients who received a graft from a nonNRP donor. Univariate analysis showed no statistically significant difference in one-year pancreas graft (NRP 97.2%, non-NRP 89.2%, p=0.145), kidney graft (NRP 100%, nonNRP 95.9%, p=0.221) or patient survival (NRP 100%, nonNRP 98.3%, p=0.442) despite an increasing trend in favour of NRP SPK. Conclusions This is the largest reported analysis of NRP for SPK transplants to date. NRP has previously been shown to be beneficial for liver transplants. Despite some concerns that NRP may preferentially benefit the liver at the expense of other organs our study has shown no adverse effects. Larger studies are needed to evaluate whether NRP improves graft utilisation rates for SPK.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».