Post–liver transplant mortality in Canada: A retrospective analysis and quality assurance study in British Columbia
Notice bibliographique
Résumé
Background: Liver transplantation is a life-saving treatment for end-stage liver disease, significantly improving survival. In Canada, the number of liver transplants has increased, with British Columbia performing 107 transplants in 2023. One-year survival rates have risen from 74.8% in 1990 to 93.2% in 2021 due to advancements in surgical and immunosuppressive methods. However, long-term survival remains suboptimal, with malignancy, graft failure, and cardiovascular disease being key contributors to mortality. This study analyzed causes of mortality among liver transplant recipients in British Columbia to identify strategies for improving outcomes. Methods: This retrospective study included 314 deceased liver transplant recipients (age ≥18 years) in British Columbia between 2013 and 2023, using the BC Transplant database. Statistical analyses included descriptive statistics, Kruskal–Wallis survival analysis, and linear regression, with significance set at p < 0.05. Results: Malignancy was the leading cause of death (24.8%), followed by unknown causes (19.4%) and multi-organ failure (13.1%). One-year survival rates varied significantly by cause of death ( p = 0.018), with malignancy having the highest 1-year survival (94.9%) and septicemia the lowest (73.5%). Younger recipients had longer survival times ( r = −0.321, p < 0.001), while multiple transplants were associated with poorer outcomes ( ρ = −0.252, p < 0.001). Conclusions: Malignancy remains the most frequent cause of death post-transplant, requiring enhanced surveillance. The significant variability in 1-year survival by cause of death highlights the need for tailored interventions, particularly to reduce sepsis-related mortality. Improved documentation of unknown causes is critical to optimizing long-term strategies.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».