Pediatric heart transplantation: Looking forward after five decades of learning
Notice bibliographique
Résumé
Heart transplantation has become the standard of care for pediatric patients with end-stage heart disease throughout the world. Since the first transplant was performed in 1967, the number of transplants has grown dramatically with 13 449 pediatric heart transplants being reported to The International Society of Heart and Lung Transplant (ISHLT) between January 1992 and June 30, 2018. Outcomes have consistently improved over the last few decades, specifically short-term outcomes. Most recent survival data demonstrate that recipients who survive to 1-year post-transplant have excellent long-term survival with more than 60% of those who were transplanted as infants being alive 25 years later. Nonetheless, the rates of graft loss beyond the first year have remained relatively constant over time; driven primarily by our poor understanding and lack of treatments for chronic allograft vasculopathy (CAV). Acute rejection, CAV, graft failure, and infection continue to be the major causes of death within the first 5 years post-transplant. In addition, renal dysfunction, malignancy, and the need for re-transplantation remain as significant issues that require close follow-up. Looking forward, key challenges include improving donor utilization rates (including donation after cardiac death (DCD) and the use of ex vivo perfusion devices), the development of non-invasive biomarkers for rejection, efforts to mitigate the long-term effects of immunosuppression, and prevention of CAV. It is not possible to cover the entire evolution of pediatric heart transplantation over the last five decades, but in this review, we hope to touch on key observations, lessons learned, and practice changes that have advanced the field, as well as glance ahead to the next decade.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 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 | 0,001 | 0,001 |
| 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 ».