HLA class, calcineurin inhibitor levels, and the risk of graft failure in kidney recipients with de novo donor-specific antibodies
Notice bibliographique
Résumé
Introduction: De novo donor-specific HLA antibody (dnDSA) are associated with poor outcomes. Whether this observation applies to both HLA class I and II dnDSA remains unclear. Methods: We studied 1236 consecutive kidney recipients who had routine anti-HLA antibody surveillance post-transplant. Results: During the screening period, 55/1236 (4.4%) patients developed dnDSA: 18 (33%) HLA-I only, 33 (60%) HLA-II only, and 4 (7%) both classes. Thirty patients experienced graft loss at a median of 39 months after dnDSA detection: 9/18 (50%) HLA-I only, 17/33 (52%) HLA-II only, and 4/4 (100%) both classes. A control group was created by matching patients with dnDSA to patients who did not develop DSA and had a functioning graft at the time of dnDSA detection in their respective cases. Compared with these controls, the risk estimates of graft loss were similar between patients with HLA-I only and HLA-II only dnDSA (aHR [95% CI] 2.7 [1.1-6.6], p=0.04 and 3.1 [1.5-6.6], p<0.01 respectively). Additionally, the risk of graft loss decreased with increasing CNI trough levels following dnDSA detection (aHR 0.7 [0.6-0.9] for each increase in 1 ng/mL, p=0.02). Conclusions: The prognosis of patients with dnDSA is similar regardless of the HLA class specificity. Lower calcineurin inhibitor levels predict graft loss in such patients.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».