153 10-year analysis of the impact of normothermic regional perfusion in simultaneous pancreas and kidney transplant
Notice bibliographique
Résumé
Abstract Background Deceased Cardiac Donors (DCD) organs are increasingly being used for simultaneous pancreas and kidney (SPK) transplant. The number recovered following in-situ normothermic regional perfusion (NRP) is also increasing. This study reviewed a 10-year UK experience of SPK transplantation following NRP in DCD. Methods Data were collected on all first DCD SPK transplants (n=426) performed during 2013-2023 from the UK Transplant Registry. NRP and non-NRP donors were compared using adjusted regression models. Multiple imputation was used to deal with missing data. Results Most grafts were from non-NRP donors n=379 (89%) with n=47 (11%) from NRP donors. Median warm ischaemic time (withdrawal to start of aortic cold or normothermic perfusion) was longer with NRP (17 vs 12 minutes; p=0.005). For all other parameters donors and recipients were well matched. Univariable analysis showed no statistically significant difference in one-year pancreas graft (NRP 93.6%, non-NRP 89.2%, p=0.206). A multivariable model adjusted for donor and recipient factors showed lower pancreas graft loss with NRP, but this did not reach statistical significance (aHR 0.56, 95%CI 0.17-1.80, p=0.327). Sensitivity analyses adjusting for PDRI showed similar results. NRP was not associated with 3-month insulin independence (p=0.51) or pancreas graft rejection (p=0.48). Conclusions Concerns exist that NRP may be detrimental to the pancreas. This 10-year UK analysis is the largest reported. We found lower pancreas graft loss in the NRP group, though not statistically significant. This data, along with previous benefits demonstrated in liver and kidney, support continued expansion of the NRP programmes.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 0,000 |
| 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 ».