MétaCan
Menu
Retour à la cohorte
Enregistrement W4378231962 · doi:10.3389/fmed.2023.1158870

Intra-subject variability in oscillometry correlates with acute rejection and CLAD post-lung transplant

2023· article· en· W4378231962 sur OpenAlexafffund
Anastasiia Vasileva, Nour Hanafi, Ella Huszti, John Matelski, Natalia Belousova, Joyce Wu, Tereza Martinu, R. Ghany, Shaf Keshavjee, Jussi Tikkanen, Marcelo Cypel, Jonathan Yeung, Clodagh M. Ryan, Chung‐Wai Chow

Notice bibliographique

RevueFrontiers in Medicine · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueTransplantation: Methods and Outcomes
Établissements canadiensUniversity Health NetworkUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchLung Health FoundationUniversity of Toronto
Mots-clésMedicineSpirometryCardiologyLogistic regressionInternal medicineLung transplantationRisk factorProportional hazards modelLung

Résumé

récupéré en direct d'OpenAlex

Background Chronic lung allograft dysfunction (CLAD) is the major cause of death post-lung transplantation, with acute cellular rejection (ACR) being the biggest contributing risk factor. Although patients are routinely monitored with spirometry, FEV1 is stable or improving in most ACR episodes. In contrast, oscillometry is highly sensitive to respiratory mechanics and shown to track graft injury associated with ACR and its improvement following treatment. We hypothesize that intra-subject variability in oscillometry measurements correlates with ACR and risk of CLAD. Methods Of 289 bilateral lung recipients enrolled for oscillometry prior to laboratory-based spirometry between December 2017 and March 2020, 230 had ≥ 3 months and 175 had ≥ 6 months of follow-up. While 37 patients developed CLAD, only 29 had oscillometry at time of CLAD onset and were included for analysis. These 29 CLAD patients were time-matched with 129 CLAD-free recipients. We performed multivariable regression to investigate the associations between variance in spirometry/oscillometry and the A-score, a cumulative index of ACR, as our predictor of primary interest. Conditional logistic regression models were built to investigate associations with CLAD. Results Multivariable regression showed that the A-score was positively associated with the variance in oscillometry measurements. Conditional logistic regression models revealed that higher variance in the oscillometry metrics of ventilatory inhomogeneity, X5, AX, and R5-19, was independently associated with increased risk of CLAD (p < 0.05); no association was found for variance in %predicted FEV1. Conclusion Oscillometry tracks graft injury and recovery post-transplant. Monitoring with oscillometry could facilitate earlier identification of graft injury, prompting investigation to identify treatable causes and decrease the risk of CLAD.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,010
Tête enseignante GPT0,286
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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

Citations10
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in MedicineMême sujetTransplantation: Methods and OutcomesTravaux en français237 207