The Changing Transplant Landscape in the Era of Elexacaftor/Tezacaftor/Ivacaftor: A Word of Caution
Notice bibliographique
Résumé
BACKGROUND: Elexacaftor/tezacaftor/ivacaftor (ETI) has dramatically changed the landscape of cystic fibrosis (CF) care, including in those who require lung transplantation. The objectives of the study were to describe the cohort demographics and outcomes of primary lung transplant recipients before and after the availability of ETI. METHODS: This is a descriptive study of lung transplants performed at the Toronto Lung Transplant Program for CF during two time periods: 2019 (pre-ETI era) and 2021-2023 (post-ETI era). All subjects were referred from the Adult CF program at St. Michael's Hospital, Toronto. Data were obtained from chart review and the Toronto Lung Transplant database. The Kaplan-Meier method was used to estimate survival probability at 1 year post-transplant. RESULTS: There were 22 lung transplants performed in 2019 (19 [86.4%] primary and 3 [13.6%] re-transplants) compared to 11 lung transplants (8 [72.7%] primary and 3 [27.3%] re-transplants) in the post-ETI era. In primary transplant recipients, median age was 29.4 years (Range 18.6-67.6 years) in 2019 compared to 30.0 years (Range 19.1-64.0 years) in 2021-2023. In the post-ETI era, none of the individuals had a deltaF508 variant, compared to 84% in 2019. One-year survival probability was lower in the post-ETI era (62.5% vs. 84.2%, respectively). CONCLUSION: Lung transplant recipients in the post-ETI era were more complex with high-risk characteristics and had worse post-transplant outcomes. This study highlights the importance of further investigation to better understand the impact of ETI on transplant referral patterns, recipient characteristics, and post-transplant outcomes in the CF population.
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 | 0,002 | 0,000 |
| 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 | 0,000 | 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 ».