Heart transplant outcomes in patients with substance use disorder history: a nationwide cohort study using high-dimensional propensity score matching
Notice bibliographique
Résumé
AIMS: History of substance use is assessed in potential heart transplantation (HT) evaluations. The evidence base for this highly consequential practice, linking substance use disorders (SUDs) with poor post-transplantation outcomes, presents methodological limitations. We conducted a retrospective cohort study to address these limitations using high dimensional propensity score matching to compare HT outcomes of patients with and without SUDs. METHODS AND RESULTS: Key outcomes included mortality, hospitalization, and organ rejection rates, controlling for confounders. A national dataset of electronic health records of >120 million patients in the USA (2015-23) was used to identify HT patients with SUDs (n = 808) and controls (n = 7066), matched for medical comorbidities and demographic variables. Only after adjusting for sociodemographic and comorbidities of HT recipients, the results revealed no significant differences between groups with and without SUDs at 1 year in mortality [odds ratio (OR) = 0.96 (95% confidence interval, CI): 0.54, 1.69, P = 0.88], hospitalization [OR = 1.02 (95% CI: 0.83, 1.25), P = 0.840)], organ rejection rates [OR = 0.96 (95% CI: 0.78, 1.18), P = 0.670)], nor at 5 years in mortality [hazard ratio (HR) = 1.15 (95% CI: 0.82, 1.61), P = 0.410] and organ rejection [HR = 0.98 (95% CI: 0.84, 1.14), P = 0.810]. CONCLUSION: Future studies must consider confounding factors when evaluating transplant criteria and outcomes in patients with SUDs.
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) | 0,002 | 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 | 0,001 |
| 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 ».