Follow‐up biopsies identify high rates of persistent rejection in pediatric kidney transplant recipients after treatment of T cell‐mediated rejection
Notice bibliographique
Résumé
BACKGROUND: Incomplete resolution of T cell-mediated rejection (TCMR) after treatment may not be detected with serum creatinine monitoring and is associated with donor-specific antibodies and chronic rejection. We evaluate the utility of follow-up biopsies (FUB) to identify and characterize rates of persistent TCMR after treatment in pediatric kidney transplant patients. METHODS: Patients from two pediatric transplant centers performing standard of care FUB at 1.5-2 months after treatment for TCMR were included. FUB were evaluated for extent of rejection resolution (complete vs. incomplete) and grade. Clinical data at time of FUB and later were reported, where available. RESULTS: Fifty-eight patients underwent FUB, at mean of 1.7 months (SD 0.7) post-index biopsy. Rejection grade on index biopsy was Banff borderline (≥i1t1 and <i2t2) in 59% and Banff ≥1A (≥i2t2) in 41%. Acute rejection was persistent in 32 (55%) of FUB. Borderline rejection had higher rates of complete resolution of rejection compared to grade ≥1A (53% vs. 33%, p = .033). Incomplete resolution of rejection on FUB was re-treated in 25 (78%) of cases. Change in eGFR from index to FUB did not differ between those with complete and incomplete resolution (5.7 ± 32.2 vs. 13.1 ± 51.3, p = .28) and was not a sensitive marker of identifying persistent rejection. CONCLUSIONS: FUB were effective at detecting persistent rejection, which was common among pediatric transplant patients after standard TCMR treatment. Until more effective rejection treatments or sensitive biomarkers are available, FUB may be effectively utilized to identify patients with ongoing rejection who would benefit from further treatment.
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 | 0,001 | 0,002 |
| 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 ».