Frailty and post-transplant adverse outcomes among kidney transplant recipients
Notice bibliographique
Résumé
INTRODUCTION: Frailty is a good predictor of adverse outcomes among older patients, especially those who have undergone surgery. The prevalence of frailty among kidney transplant candidates is higher than the general population. This study aimed to explore the predictive value of frailty on post-transplant adverse outcomes among kidney recipients. METHODS: A systematic review was performed for relevant studies until May 20, 2022, using four databases (Embase, Medline, Cochrane, and PsycINFO) for prospective design studies (PROSPERP: CRD42022331022). Random-effect meta-analysis modeling was undertaken in RevMan 5.3 to estimate the predictive value of frailty on adverse outcomes after kidney transplant. RESULTS: This systematic review included 14 studies, eight of which were suitable for meta-analysis. Frailty increased the risk of mortality (pooled hazard ratio [HR] 1.98, 95% confidence interval [CI] 1.48-2.64), surgical complications (risk ratio [RR] 2.14, 95% CI 1.01-4.54), death-censored graft failure (DCGF) (pooled HR 3.31, 95% CI 1.27-8.62), length of stay (LOS) (pooled RR 1.59, 95% CI 1.05-2.39), length of stay ≥2 weeks (pooled odds ratio [OR] 1.72, 95% CI 1.26-2.35), and other common adverse outcomes among kidney transplant recipients. CONCLUSIONS: Frailty is associated with adverse outcomes after kidney transplant. This systematic review suggests the importance of assessing frailty among kidney transplant candidates prior to transplantation. Further research focusing on pre-transplant assessment combined with frailty is warranted to improve kidney transplant management.
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 | 0,007 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,009 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».