Treatment Responses in Histologic Versus Molecular Diagnoses of Lung Rejection
Notice bibliographique
Résumé
Histologic evaluation of allograft biopsies after lung transplantation has several limitations, suggesting that molecular assessment using tissue transcriptomics could improve biopsy interpretation. This single-center, retrospective cohort study evaluated discrepancies between the histology of transbronchial biopsies (TBBs) with no rejection (NR) and T-cell mediated rejection (TCMR) by molecular diagnosis. The accuracy of diagnosis was assessed based on response to treatment. 54 TBBs from Prague Lung Transplant Program obtained between December 2015 and January 2020 were included. Patients with acute cellular rejection (ACR) grade ≥ 1 by histology received anti-rejection treatment. Response to therapy was defined as an increase in FEV1 of ≥ 10% 4 weeks post-biopsy compared to the pre-biopsy value. Among the 54 analyzed TBBs, 25 (46%) were concordant with histology, while 29 (54%) showed discrepancies. ACR grade 0 was found in 12 TBBs (22%) and grade A1 ≥ 1 in 42 TBBs (78%). Treatment response was present in 14% in the NR group and in 50% in the TCMR group ( p = 0.024). Our findings suggest that low-grade acute cellular rejection is less likely to be associated with molecular TCMR, which might better identify lung transplant recipients who benefit from therapy.
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 ».