Morphologic and Molecular Features of Antibody-Mediated Transplant Rejection: Pivotal Role of Molecular Injury as an Independent Predictor of Renal Allograft Functional Decline
Notice bibliographique
Résumé
Current knowledge about the factors correlating with functional decline and subsequent failure of kidney allografts in antibody-mediated rejection (ABMR) is limited. We conducted a cohort study involving 75 renal allograft recipients diagnosed with late ABMR occurring at least 6 months after transplantation. The study aimed to examine the correlation of molecular and histologic features with estimated glomerular filtration rate (eGFR) trajectories and death-censored graft survival. We focused on sum scores reflecting histologic ABMR activity versus chronicity and molecular scores of ABMR probability (ABMR Prob ), injury-repair response (IRRAT) and fibrosis (ciprob). In multivariable Cox analysis, a Banff lesion-based chronicity index (ci+ct+cg[x2]; hazard ratio per interquartile range [IQR]: 1.97 [95% confidence interval: 0.97 to 3.99]) and IRRAT (1.93 [0.96 to 3.89]) showed the strongest associations with graft failure. Among biopsy variables, IRRAT exhibited the highest relative variable importance and emerged as the sole independent predictor of eGFR slope (change per IQR: −4.2 [−7.8 to −0.6] mL/min/1.73 m 2 /year). In contrast, morphologic chronicity associated with baseline eGFR only. We conclude that the extent of molecular injury is a robust predictor of renal function decline. Transcriptome analysis has the potential to improve outcome prediction and possibly identify modifiable injury, guiding targeted therapeutic interventions.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».