MétaCan
Menu
Retour à la cohorte
Enregistrement W4404436729 · doi:10.1016/j.ajt.2024.11.011

The role of induction therapy in lung transplantation

2024· review· en· W4404436729 sur OpenAlexaff
S. Landino, J. Nawalaniec, Nicole Hays, Asishana A. Osho, Brian C. Keller, James S. Allan, Shaf Keshavjee, Joren C. Madsen, Ramsey R. Hachem

Notice bibliographique

RevueAmerican Journal of Transplantation · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueTransplantation: Methods and Outcomes
Établissements canadiensToronto General Hospital
Organismes subventionnairesNational Heart, Lung, and Blood InstituteNational Institutes of HealthNateraNational Institute on Drug AbuseThoracic Surgery FoundationNational Institute of Allergy and Infectious DiseasesDivision of Intramural Research, National Institute of Allergy and Infectious DiseasesSociety of Thoracic SurgeonsAmerican Society of Transplant SurgeonsAmerican Society of Transplantation
Mots-clésMedicineInduction therapyLung transplantationTransplantationLungIntensive care medicineInternal medicineChemotherapy

Résumé

récupéré en direct d'OpenAlex

Induction immunosuppression in solid organ transplantation involves a short course of potent immunosuppression in the perioperative period, with the goal of preventing early acute rejection and delaying initiation or reducing the dose of calcineurin inhibitors to minimize kidney injury. The use of induction immunosuppression in lung transplantation has increased over time, with over 80% of adult lung transplant recipients receiving some form of induction therapy. Currently, more than 70% of lung transplant recipients receive induction with an interleukin-2 receptor antagonist, and basiliximab is the most used agent. Despite this now common practice, the evidence to support and guide induction immunosuppression following lung transplantation is limited, making the use of induction somewhat controversial. Here, we review the available literature addressing the use of induction immunosuppression in lung transplant recipients.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,030
Tête enseignante GPT0,384
Écart entre enseignants0,354 · 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

Citations9
Publié2024
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueAmerican Journal of TransplantationMême sujetTransplantation: Methods and OutcomesTravaux en français237 207