Personalizing immunosuppressive therapy: predictors of drug switches in Malaysian kidney transplant recipients
Notice bibliographique
Résumé
Objective: Tacrolimus-mycophenolic acid (MPA)-prednisolone immunosuppression remains the first-line management of kidney transplantation. Despite this, a switch to low-dose tacrolimus in combination with an mTOR inhibitor may be inevitable in some patients due to various factors. This study aims to identify the reasons and factors influencing the switch of tacrolimus-MPA to other combination immunosuppressive agents among kidney transplant recipients (KTRs). Methods: This retrospective observational cohort study included adult KTRs between year 2011-2019 at the two main kidney transplant centers in Malaysia. Demographic data, clinical, laboratory and medication information were collected. Multiple logistic regression was used to determine factors associated with the initial switch of tacrolimus-MPA immunosuppressive therapy. Results: From the 257 KTRs studied, 81 KTRs had their immunosuppressive agents switched from tacrolimus-MPA-prednisolone immunosuppressive regimen, with majority (96.3%, n = 78) switching to everolimus, an mTOR inhibitor in combination with low-dose tacrolimus. The average time switch was 125.8 ± 100.9 days. The main reasons for the initial switch include unresolved transaminitis (n = 15, 18.5%), cytomegalovirus (CMV) infection (n = 13, 16.0%) and BK virus (BKV) infection (n = 10, 12.3%). In the multiple logistic analysis, Malay ethnicity (P < 0.001), KTRs without post-transplant hypertension (P = 0.004) and KTRs with BKV infection (P < 0.001) were predictors for the initial switch of tacrolimus-MPA-prednisolone immunosuppressive therapy. Conclusion: Early identification of factors associated with the switch may prepare healthcare professionals for KTRs risk stratification, allowing ample time for appropriate optimization of tacrolimus-MPA-prednisolone immunosuppressive therapy based on individual patient's needs. This can possibly be a cost-effective alternative to switching to mTOR inhibitors for improved transplant outcomes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».