Cancer Screening in Renal Transplant Recipients: Real-World Data
Notice bibliographique
Résumé
Background: Multiple international guidelines have endorsed cancer screening in renal transplant patients. This study aimed to describe a series of patients with post-transplant cancer and to report physicians' adherence to cancer screening guidelines. Methods: This is a retrospective study of cancer patients who had a history of renal transplant. Charts of patients who were treated at our institution between 2012 and 2023 were reviewed, patients' clinical data were collected. Results: Thirty-nine patients were identified. The most common types of cancer were lymphoma (n = 9, 23%), squamous cell carcinoma (SCC) of the skin (n = 8, 20.5%), and breast (n = 6, 15.4%). The median age at diagnosis was 56.5 years (range: 16.9 - 70.2), family history of malignancy was depicted in 18 (46.2%) cases. Chart review and patients' questionnaire revealed that increased risk of malignancy was discussed in seven (18%) out of 39 recipients (P < 0.001) at time of transplant, and only three (7.7%, P < 0.001) patients were on post-transplant age-matched cancer screening. Conclusions: The increased risk of malignancy is a serious post-transplant complication. Lymphoma and non-melanoma skin cancer were the most common cancers. Most patients were not offered routine cancer screening; it is important to raise awareness among nephrologists and caregivers regarding the risk of post-transplant malignancy.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».