Comprehensive geriatric assessment predicts listing for kidney transplant in patients with end-stage renal disease: a retrospective cohort study
Notice bibliographique
Résumé
BACKGROUND: Comprehensive geriatric assessment (CGA) involves a formal broad approach to assess frailty and creating a plan for management. However, the impact of CGA and its components on listing for kidney transplant in older adults has not been investigated. METHODS: We performed a single-center retrospective study of patients with end-stage renal disease who underwent CGA during kidney transplant candidacy evaluation between 2017 and 2021. All patients ≥ 65 years old and those under 65 with any team member concern for frailty were referred for CGA, which included measurements of healthcare utilization, comorbidities, social support, short physical performance battery, Montreal Cognitive Assessment (MoCA), and Physical Frailty Phenotype (FPP), and estimate of surgical risk by the geriatrician. RESULTS: Two hundred and thirty patients underwent baseline CGA evaluation; 58.7% (135) had high CGA ("Excellent" or "Good" rating for transplant candidacy) and 41.3% (95) had low CGA ratings ("Borderline," "Fair," or "Poor"). High CGA rating (OR 8.46; p < 0.05), greater number of CGA visits (OR 4.93; p = 0.05), younger age (OR 0.88; p < 0.05), higher MoCA scores (OR 1.17; p < 0.05), and high physical activity (OR 4.41; p < 0.05) were all associated with listing on transplant waitlist. CONCLUSIONS: The CGA is a useful, comprehensive tool to help select older adults for kidney transplantation. Further study is needed to better understand the predictive value of CGA in predicting post-operative outcomes.
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 | 0,000 | 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 ».