The effect of late‐onset CMV infection on the outcome of renal allograft considering initial graft function
Notice bibliographique
Résumé
BACKGROUND: Delayed graft function (DGF) increases the renal allograft failure risk. Late-onset Cytomegalovirus (CMV) infection's effect on the association between DGF and allograft failure has not been determined. METHODS: In this retrospective cohort, we included all renal allograft recipients at London Health Sciences Centre from January 1, 2014 to December 30, 2017, and continued clinical follow-up until February 28, 2020. We determined whether late-onset CMV infection affects the association between DGF and allograft failure in stratified and Cox proportional hazard analyses. RESULTS: Of 384 patients (median age [interquartile range]: 55 [43.3-63]; 38.7% female), 57 recipients (14.8%) were diagnosed with DGF. Patients with DGF were at a greater risk of CMV infection than patients without DGF (22.8% vs. 11.3%, p = .017). Late-onset CMV infection (odds ratio [OR]: 4.7, 95% CI: 2.07-10.68) and rejection (OR: 9.59, 95% CI: 4.15-22.16) significantly increased the risk of allograft failure in recipients with DGF. Patients with DGF had a significantly greater risk of graft failure than those without DGF (17.5% vs. 6.1%, p = .007). In the adjusted Cox hazard model, CMV infection significantly increased the risk of allograft failure (aHR: 3.19, 95% CI: 1.49-6.84). CONCLUSION: Late-onset CMV infection considerably increased the risk of graft failure in patients with DGF. A hybrid preventive model including prophylaxis followed by CMV-specific cell-mediated immunity monitoring may decrease the risk of allograft failure in recipients with DGF.
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) | 0,000 | 0,000 |
| 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 ».