Assessing Cumulative Immunosuppressive Drug Exposure: Metrics, Outcomes, and Implications for Kidney and Non-Kidney Transplant Patients
Notice bibliographique
Résumé
Background: Immunosuppressive drugs are used in the long-term management of post-transplant patients to prevent rejection of transplanted organs. Lacking a prior qualitative systematic review on this topic, we aimed to characterize the metrics used to measure cumulative immunosuppressant exposure and their associated outcomes in kidney and non-kidney transplant patients. Methods: We conducted a literature search using search terms related to immunosuppressants and cumulative exposure in Ovid MEDLINE, Ovid EMBASE, Cochrane CENTRAL, and Cochrane Database of Systematic Reviews. No date restrictions were applied. An additional search was performed on Google Scholar and references of studies included in the primary search were screened. Studies were limited to the English language with adult human transplant patient populations. Study risk of bias was assessed using the Quality in Prognostic Studies Tool where each domain was rated as low, medium, or high risk of bias. Results: A total of 29 articles were included in our qualitative synthesis. Kidney transplant populations account for 12 (41%) of the studies in our analyses. Fifteen of the articles (51%) calculated the total dose of immunosuppression over the treatment period while 9 (31%) used long term area-under-the-curve (LT-AUC) of trough level concentrations to quantify cumulative immunosuppression exposure. Nine articles found certain cumulative exposure metrics to be predictive of adverse outcomes such as decreased kidney function, cancer recurrence, and bone fractures. Furthermore, an adequate mycophenolic acid LT-AUC was associated with a decreased risk of allograft rejection, while cumulative corticosteroid exposure was not associated with allograft rejection. Conclusions: This review analyzed a comprehensive set of articles and metrics that predict long-term outcomes of immunosuppressants in transplant patients. The wide variety of metrics studied highlight the lack of agreement on the best measures of drug exposure in transplant patients. Although certain metrics may demonstrate an association with outcomes, future studies should investigate the predictive power and validation of these metrics.
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 | 0,061 | 0,238 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,008 |
| Bibliométrie | 0,019 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».