Epidemiology of metabolic dysfunction-associated steatotic liver disease and association with kidney transplant outcomes
Notice bibliographique
Résumé
Background: The metabolic syndrome is highly prevalent among kidney transplant candidates and recipients.The hepatic manifestation of the metabolic syndrome, metabolic dysfunctionassociated steatotic liver disease (MASLD), is the most common chronic liver disease globally.However, it has not been studied thoroughly among kidney transplant recipients (KTR).Objectives: We sought to describe the burden of MASLD in a KTR population, and to investigate its potential association with transplant outcomes, including advanced graft dysfunction, graft failure, and death. Methods:We conducted a retrospective cohort study in consecutive first-time KTR (2008-2020) with pre-transplant abdominal ultrasound, and without history of other chronic liver diseases including liver disease related to alcohol consumption.MASLD was defined as the presence of hepatic steatosis on abdominal ultrasound and presence of at least one of the adult cardiometabolic criteria, including obesity, insulin resistance, hypertension, and dyslipidemia.We assessed the prevalence of MASLD at transplantation and at 1-, 3-, and 5-years posttransplant.In KTR without MASLD at baseline, we determined an incidence rate of MASLD and estimated its cumulative incidence function (CIF) when considering graft failure and death as competing risks.We further assessed the association of MASLD with the composite endpoint of advanced graft dysfunction (defined as eGFR < 30 mL/min/1.73m 2 sustained for a period of ≥ 3 months), death-censored graft failure (DCGF, defined as return to dialysis or retransplantation), and death with graft function (DWGF).We fit time-dependent Cox regression models adjusted for recipient, donor, and transplant characteristics for both composite and each of the distinct endpoints (i.e., advanced graft dysfunction, DCGF and DWGF).Results: We included 650 KTR (median age 57.2 years [IQR 45.0, 66.0], 34% female) with a median follow up of 5.0 years post-transplant.Prevalence of MASLD at transplantation was
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».