Lung Transplantation From Donors With a History of Substance Use
Notice bibliographique
Résumé
BACKGROUND: Substance use is common among lung transplant donors, but concerns persist about graft damage. Stimulant drugs such as cocaine and methamphetamine can induce pulmonary arterial hypertension, while smoked products such as cannabis and crack cocaine can produce airway and parenchymal diseases. We sought to characterize donor substance use at our center and evaluate the associations with recipient survival as well as chronic lung allograft dysfunction (CLAD), severe primary graft dysfunction (PGD3), and baseline lung allograft dysfunction (BLAD). METHODS: We studied patients with double lung transplants in our program between 2004 and 2016, including a history of donor substance use with nine pre-specified agents. We modeled the association with time to death or retransplant, CLAD, severe PGD, and BLAD. RESULTS: Of 473 recipients, 186 (39%) received lungs from a donor with a history of substance use with at least one of the pre-specified substances. There was no overall relationship between donor substance use and any outcome. Heavy donor smoking was associated with an increased risk of death or retransplant (hazard ratio 1.47; p = 0.032), PGD3 (odds ratio [OR]: 2.13; p = 0.014), and BLAD (OR 2.56; p < 0.001). Donor crack cocaine use (n = 24) was also associated with worse survival (HR 2.16; 95% CI 1.16-3.66; p = 0.017) but not CLAD or BLAD. We noted no CLAD associations with any drug. CONCLUSION: A history of donor substance use was common and in general not associated with worse outcomes, aside from heavy donor smoking. These findings may have implications for allocation and post-transplant graft dysfunction.
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 | 0,000 |
| 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 ».