Systematic Review of Calcineurin Inhibitors and Incidence of Skin Malignancies after Kidney Transplantation in Adult Patients: A Study of 309,551 Cases
Notice bibliographique
Résumé
The purpose of this systematic review and meta-analysis was to compare the risk of non-melanoma skin cancer (NMSC) and melanoma development in renal transplant recipients who receive calcineurin inhibitors to that of patients treated with other immunosuppressive agents, and investigate the possible association between the type of maintenance immunosuppression and the incidence of NSMC and melanoma in this group of patients. The authors searched databases such as PubMed, Scopus, and Web of Science for articles that would help establish the influence of calcineurin inhibitors on skin cancer development. The inclusion criteria for the study consisted of randomized clinical trials, cohort studies, and case-control studies that compared patients who received kidney transplants and were treated with a calcineurin inhibitor (CNI), such as cyclosporine A (CsA) or tacrolimus (Tac), to those who received alternative immunosuppressants and did not receive a CNI. Seven articles were analyzed overall. The results revealed a correlation between CNI treatment in renal transplant recipients and increased total skin cancer risk (OR 1.28; 95% CI: 0.10–16.28; p < 0.01), melanoma risk (OR 1.09; 95% CI: 0.25–4.74; p < 0.01), and NMSC risk (OR 1.16; 95% CI: 0.41–3.26; p < 0.01). In conclusion, the calcineurin inhibitors used after kidney transplantation are associated with a higher risk of skin cancer—both non-melanoma and melanoma—when compared with other immunosuppressive therapies. This finding suggests that careful monitoring for skin lesions in post-transplant patients must be conducted. However, the decision on the kind of immunotherapy used should always be considered on an individual basis for each renal transplant recipient.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 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 ».