Can We Predict Kidney Graft Function and Graft Survival Using Hypothermic Machine Perfusion Parameters From Donors After Circulatory Death?
Notice bibliographique
Résumé
Background: Hypothermic machine perfusion (HMP) reduces renal injury in donation after circulatory death donors with a high Kidney Donor Profile Index (KDPI). This study aims to characterize the correlation between KDPI, HMP parameters, and donor vitals during the withdrawal period in predicting short- and long-term graft outcomes. Methods: ANOVA with Tukey's honestly significant difference tests compared the relationship between average flow, average resistance, peak resistance, flow slope, and resistance slope on day 30, 1-y, and 3-y eGFR, and days of delayed graft function. Graft and recipient survival rates were assessed using Kaplan-Meier analysis. Results: The data for 72 grafts were suitable for analysis. Kidneys with KDPI >50% had a significantly higher day 30, and 1-y posttransplant eGFR, if HMP average flow was >150 mL/min, or the average resistance was <0.15 mm Hg/mL/min, compared with kidneys with also KDPI >50% but had not achieved the same pump parameters. There were no significant differences in the Kaplan-Meier analysis, considering recipient or graft survival, regardless of the KPDI score with 3- or 5-y outcomes. Conclusions: Use of average resistance and average flow from a HMP, in conjunction with KDPI, may be predictive of the short- and long-term function of donation after circulatory death kidney transplants.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».