Mini Review Banff 2022 Updated Classification of Renal Allograft Pathology
Notice bibliographique
Résumé
BACKGROUND: The 16th Banff Meeting for Allograft Pathology was held in Banff, Canada from September 19 to 23, 2022. The results were published in the American Journal of Transplantation in March this year as "The Banff 2022 Kidney Meeting Report: Reappraisal of Microvascular Inflammation and the Role of Biopsy-Based Transcript Diagnostics." SUMMARY: The changes in the Banff 2022 classification (Banff 2022) have four distinct features. The first was the modification of antibody-mediated rejection (AMR). The key points are microvascular inflammation/injury (MVI); the presence or absence of C4d deposition in the peritubular capillaries; and the presence or absence of donor-specific antibodies (DSAs). Even if the MVI is above the threshold, if C4d and DSA are negative, it is not classified as AMR but as "MVI, DSA-negative, and C4d-negative." Furthermore, if MVI is below the threshold, C4d is negative but DSA is positive, the patient is classified under "probable AMR." Second, patients with acute tubular injury (ATI) without other obvious causes such as ischemia are excluded from AMR. Third, the Banff cv score for "arterial intimal fibrosis of new onset" (AIFNO) is excluded from AMR when used alone. Fourth, non-human leukocyte antigen (HLA) antibodies, except for anti-blood group antibodies in ABO-incompatible kidney transplants, were excluded from DSA and included in the diagnostic criteria for AMR. KEY MESSAGES: The changes in Banff 2022 are as follows: implementation of new terminology, such as MVI, DSA-negative, and C4d-negative and probable AMR, ATI, and AIFNO are excluded from AMR, and non-HLA antibodies are excluded from DSA.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».