Cardiovascular risk factors and kidney transplantation: a retrospective analysis
Notice bibliographique
Résumé
Abstract Introduction Cardiovascular disease (CVD) poses a significant risk to end-stage kidney disease (ESKD) patients and remains the leading cause of morbidity and mortality among kidney transplant (KT) recipients. With a global rise in ESKD patients dependent on dialysis, transplant programs face growing pressure to consider candidates with a greater burden of CVD for KT despite potential long-term risks. Enhancing pre-KT cardiac risk assessment is crucial to prevent cardiovascular complications post-transplant and meet the demand for KT globally. Purpose High-quality studies evaluating pre-KT cardiovascular risk factors in patients with ESKD are lacking. Our study aims to evaluate the association between pre-KT cardiovascular risk factors and the development of major adverse cardiac events (MACE) post-KT. Methods This retrospective cohort study of ESKD patients at a tertiary center consisted of consecutive patients referred for cardiovascular assessment prior to KT between January 2013 and January 2023. Clinical and demographic data prior to KT and outcomes 1-year post-KT were extracted. Patients who underwent multi-organ transplantation were excluded. The primary endpoint was MACE, defined as all-cause death, myocardial infarction (MI), ischemic stroke, coronary revascularization, heart failure requiring hospitalization, and cardiac resuscitation. Results A total of n=233 patients were referred for cardiac evaluation prior to KT. Of these, n=145 (62%) patients had a KT, n=69 (30%) patients died pre-KT, and n=19 (8%) patients were removed from the transplant program. Of the n=143 KT recipients that met our inclusion criteria, 122 (85%) were free of MACE, while 21 (15%) met the primary endpoint in the year following KT. Patients with MACE were significantly older (mean age = 65 vs. mean age = 59, p < 0.001), and more likely to have coronary artery disease (85.7% vs. 50.8%, p = 0.01), cardiomyopathy (42.9% vs. 17.2%, p = 0.04), smoking history (71.4% vs. 46.7%, p = 0.04), and diabetes (85.7% vs. 49.2%, p = 0.02). Furthermore, deceased donor KT was associated with a greater likelihood of MACE (85.0% vs. 57.5%, p = 0.02) compared to living donor recipients. There were no significant differences with respect to left ventricular ejection fraction, diagnosis of heart failure, or prior MI between MACE and non-MACE groups (p > 0.17 for all). Conclusion Among pre-KT patients with CVD, there is a high mortality rate (30%) prior to KT. Following a successful KT, 15% of patients experienced MACE within 1-year. Our findings underscore the urgency of developing strategies to facilitate timely kidney transplantation, particularly in light of the anticipated rise in demand for kidney transplants. The elevated incidence of major adverse events in the year following a successful KT emphasizes the necessity of collaborative care by cardiologists and nephrologists for these patients, and the need for further studies to improve long-term outcomes.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».