Defining Relationships Among Tests for Kidney Transplant Antibody-Mediated Rejection
Notice bibliographique
Résumé
Introduction: Effective therapies for kidney transplant antibody-mediated rejection (ABMR) will require accurate diagnoses plus assessment of ABMR activity, and the new tests that were used to show treatment effects in the clinical trial such as donor-derived cell-free DNA (dd-cfDNA) and molecular biopsy analysis (the Molecular Microscope Diagnostic System) could be useful. Methods: Trifecta-Kidney (ClinicalTrials.gov #NCT04239703) studied 717 indication biopsies to define the relationships among the following 4 tests used for ABMR: (i) standard-of-care (SOC) local histologic biopsy ABMR diagnosis, (ii) MMDx ABMR diagnosis, (iii) dd-cfDNA, and (iv) donor-specific antibody (DSA). Results: All 4 tests were correlated in a partial correlation network, with a hierarchy of intertest correlations: MMDx ABMR > dd-cfDNA > histology ABMR > DSA. Surprisingly, DSA correlated at least as strongly with MMDx ABMR as with histologic ABMR, even though DSA is not used in MMDx. When expressed in the same 6 rejection classes, MMDx diagnosed ABMR more frequently than histology. When histology disagreed with MMDx ABMR, dd-cfDNA and DSA correlated more strongly with MMDx assessment. However, histology also detected ABMR lesions in some cases that MMDx called No Rejection, correlating with subthreshold molecular ABMR activity, dd-cfDNA and DSA (AJT 25:72-87, 2024). Molecular rejection predicted graft outcomes better than histologic rejection in Trifecta-Kidney, and this finding was confirmed in the earlier INTERCOMEX study cohort. Discussion: The 4-way intertest correlations extend below current thresholds for diagnosing ABMR. These results map a network of 4 ABMR-related tests that can add precision to ABMR assessment in trials and clinical management, and highlight the need to establish the clinical significance of subthreshold ABMR activity.
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 | 0,002 |
| 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 ».