Association Between Perioperative Hypotension and Graft Function in Kidney Transplantation
Notice bibliographique
Résumé
Introduction: The impact of perioperative hypotension on graft function after kidney transplantation (KT) has not been well-described; however, it may be expected to negatively impact posttransplant outcomes. Methods: We conducted a retrospective cohort study of adult patients undergoing KT in a multiprovincial renal program from 2006 to 2019. Using multivariable logistic regression, we assessed the association of intraoperative hypotension (IOH; systolic blood pressure (sBP) ≤ 90 mm Hg within the final hour of surgery) and postoperative hypotension (POH; occurring within the first 2 postoperative days) with delayed graft function (DGF). In secondary analyses, we used adjusted logistic regression or Cox proportional hazards models to assess the impact of hypotension on prolonged length of stay (LOS), death-censored graft loss (DCGL), and all-cause graft loss (ACGL). Results: Of the 1020 patients included, 209 (20.5%) and 112 (11.0%) had IOH and POH, respectively. POH was associated with DGF (adjusted odds ratio [aOR]: 4.01, 95% CI: 2.24-7.19), LOS (aOR: 2.82, 95% CI: 1.69-4.71), DCGL (adjusted hazard ratio [aHR]: 3.37, 95% CI: 1.29-8.84), and ACGL (aHR: 2.21, 95% CI: 1.26-3.89). IOH was not associated with DGF (aOR: 1.02, 95% CI: 0.61-1.72) or LOS (aOR: 1.19, 95% CI: 0.81-1.76), but was associated with reduced DCGL (aHR: 0.32, 95% CI: 0.13-0.82) and ACGL (aHR: 0.59, 95% CI: 0.36-0.98). There was a trend toward greater susceptibility to POH in male than female recipients; however, this did not meet statistical significance. Conclusion: Overall, POH, but not IOH, was associated with an increased risk of DGF, prolonged LOS, DCGL, and ACGL.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».