Association of BKV viremia and nephropathy with adverse alloimmune outcomes in kidney transplant recipients
Notice bibliographique
Résumé
BACKGROUND: Immunosuppression reduction for BK polyoma virus (BKV) must be balanced against risk of adverse alloimmune outcomes. We sought to characterize risk of alloimmune events after BKV within context of HLA-DR/DQ molecular mismatch (mMM) risk score. METHODS: This single-center study evaluated 460 kidney transplant patients on tacrolimus-mycophenolate-prednisone from 2010-2021. BKV status was classified at 6-months post-transplant as "BKV" or "no BKV" in landmark analysis. Primary outcome was T-cell mediated rejection (TCMR). Secondary outcomes included all-cause graft failure (ACGF), death-censored graft failure (DCGF), de novo donor specific antibody (dnDSA), and antibody-mediated rejection (ABMR). Predictors of outcomes were assessed in Cox proportional hazards models including BKV status and alloimmune risk defined by recipient age and molecular mismatch (RAMM) groups. RESULTS: At 6-months post-transplant, 72 patients had BKV and 388 had no BKV. TCMR occurred in 86 recipients, including 27.8% with BKV and 17% with no BKV (p = .05). TCMR risk was increased in recipients with BKV (HR 1.90, (95% CI 1.14, 3.17); p = .01) and high vs. low-risk RAMM group risk (HR 2.26 (95% CI 1.02, 4.98); p = .02) in multivariable analyses; but not HLA serological MM in sensitivity analysis. Recipients with BKV experienced increased dnDSA in univariable analysis, and there was no association with ABMR, DCGF, or ACGF. CONCLUSIONS: Recipients with BKV had increased risk of TCMR independent of induction immunosuppression and conventional alloimmune risk measures. Recipients with high-risk RAMM experienced increased TCMR risk. Future studies on optimizing immunosuppression for BKV should explore nuanced risk stratification and may consider novel measures of alloimmune risk.
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 ».