MétaCan
Menu
Retour à la cohorte
Enregistrement W4401123293 · doi:10.1111/tid.14348

Impact of machine perfusion on transplant infectious diseases: New challenges and opportunities

2024· review· en· W4401123293 sur OpenAlexaff
Andrew Purssell, Deepali Kumar

Notice bibliographique

RevueTransplant Infectious Disease · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueOrgan Transplantation Techniques and Outcomes
Établissements canadiensUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMachine perfusionMedicineEx vivoPerfusionTransplantationCold storageOrgan transplantationIn vivoIntensive care medicineSurgeryInternal medicineBiologyBiotechnology

Résumé

récupéré en direct d'OpenAlex

Preservation techniques that maintain the viability of an organ graft between retrieval from the donor and implantation into the recipient remain a critical aspect of solid organ transplantation. While traditionally preservation is accomplished with static cold storage, advances in ex vivo dynamic machine perfusion, both hypothermic and normothermic, have allowed for prolongation of organ viability and recovery of marginal organs effectively increasing the usable donor pool. However, the use of these novel machine perfusion technologies likely exposes the recipient to additional infectious risk either through clonal expansion of pathogens derived during organ recovery or de novo exogenous acquisition of pathogens while the organ remains on the machine perfusion circuit. There is a paucity of high-quality studies that have attempted to quantify infection risk, although it appears that prolonging the time on the machine perfusion circuit and normothermic parameters increases the risk of infection. Conversely, the use of ex vivo machine perfusion unlocks new opportunities to detect and treat donor-derived infections before implantation into the recipient. This review seeks to reveal how the use of ex vivo machine perfusion strategies may augment the risk of infection in the organ recipient as well as outline ways that this technology could be leveraged to enhance our ability to manage donor-derived infections.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,343
Écart entre enseignants0,287 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransplant Infectious DiseaseMême sujetOrgan Transplantation Techniques and OutcomesTravaux en français237 207