Detection of Subclinical Rejection in Pediatric Kidney Transplantation: Current and Future Practices
Notice bibliographique
Résumé
INTRODUCTION: The successes in the field of pediatric kidney transplantation over the past 60 years have been extraordinary. Year over year, there have been significant improvements in short-term graft survival. However, improvements in longer-term outcomes have been much less apparent. One important contributor has been the phenomenon of low-level rejection in the absence of clinical manifestations-so-called subclinical rejection (SCR). METHODS: Traditionally, rejection has been diagnosed by changes in clinical parameters, including but not limited to serum creatinine and proteinuria. This review examines the shortcomings of this approach, the effects of SCR on kidney allograft outcome, the benefits and drawbacks of surveillance biopsies to identify SCR, and new urine and blood biomarkers that define the presence or absence of SCR. RESULTS: Serum creatinine is an unreliable index of SCR. Surveillance biopsies are the method most utilized to detect SCR. However, these have significant drawbacks. New biomarkers show promise. These biomarkers include blood gene expression profiles and donor derived-cell free DNA; urine gene expression profiles; urinary cytokines, chemokines, and metabolomics; and other promising blood and urine tests. CONCLUSION: Specific emphasis is placed on studies carried out in pediatric kidney transplant recipients. TRIAL REGISTRATION: ClinicalTrials.gov: NCT03719339.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 ».