Uso de Doador com Síndrome de Wolff-Parkinson-White no Transplante Cardíaco: Relato de Dois Casos e Revisão da Literatura
Bibliographic record
Abstract
A escassez de doadores é uma grande limitação para o transplante de coração. O uso de doadores de alto risco ou marginais, doadores com doenças cardíacas menores ou corrigíveis, são alternativas para enfrentar esse problema. Quando identificados na avaliação, os doadores com síndrome de WolffParkinson-White (SWPW) são geralmente descartados para transplante cardíaco. Na literatura, há oito artigos relatando casos únicos de transplante com doador com essa síndrome. Nessa linha, a administração do receptor variou: tratamento clínico, ablação intraoperatória da banda anômala do coração do doador e ablação pós-operatória. Os resultados foram bons em todos os oito casos. No presente artigo, relatamos dois casos de transplante cardíaco de doadores com SWPW, um tratado clinicamente e outro submetido à ablação pós-operatória. Com base na experiência atual e limitado a oito casos relatados, parece que esse tipo de coração doador pode ser transplantado com sucesso. No entanto, a estratégia de administração para esses pacientes é controversa. Uma avaliação cuidadosa dodoador do coração deve ser feita em relação à presença da SWPW.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".