Mortalidade prematura após transplante de rim: uma revisão sistemática e metanálise
Bibliographic record
Abstract
O transplante de rim é o tratamento substitutivo de maior custo-efetividade para pessoas que vivem com doença renal crônica terminal. Apesar disso, a mortalidade prematura, nos primeiros doze meses após o procedimento, continua sendo um desafio clínico relevante para os serviços de saúde. Este estudo teve por objetivo verificar a taxa de mortalidade nos primeiros 12 meses após o transplante renal, identificando variáveis associadas ao óbito. Realizou-se uma revisão sistemática com metanálise de estudos observacionais disponíveis nas bases de dados PubMed, Scopus, EBSCO e Academic Search Premier. A heterogeneidade dos estudos, o viés de publicação (funil) e o risco de viés foram estimados por meio da escala Newcastle-Ottawa. Dos 2.380 estudos inicialmente identificados, 11 foram incluídos na análise final. Os estudos foram considerados de qualidade moderada e alta, observando-se heterogeneidade entre eles, e sem viés de publicação. A metanálise revelou uma taxa combinada de mortalidade de 13% (IC95%: 6–21) nos primeiros 12 meses pós-transplante, com maior risco observado em receptores de doadores falecidos (RR = 2,24; IC95%:1,07-4,66). Além disso, infecções foram a principal causa de óbito. Conclui-se que os primeiros 12 meses após o transplante de rim representam um período crítico para a sobrevida do paciente, especialmente os mais vulneráveis como pessoas acima de 65 anos ou que possuem comorbidades como diabetes e hipertensão.
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 | 0.021 | 0.059 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.008 | 0.020 |
| Bibliometrics | 0.013 | 0.010 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".