Effets des transfusions sanguines sur les complications pulmonaires postopératoires en transplantation hépatique
Bibliographic record
Abstract
La transplantation hépatique (TH) est le traitement de choix pour les maladies hépatiques terminales et certains cancers du foie, améliorant considérablement les perspectives de survie des patients gravement atteints. Malgré les avancées significatives en chirurgie et en protocoles d’immunosuppression, la TH reste une intervention complexe, tant sur le plan opératoire que dans sa gestion périopératoire, exposant les patients à un risque élevé de complications postopératoires. Parmi celles-ci, les complications pulmonaires postopératoires (CPP), telles que l’œdème pulmonaire et la pneumonie, sont particulièrement fréquentes et ont un impact majeur sur la morbidité et la mortalité après transplantation. Les transfusions sanguines, souvent nécessaires en TH, sont désormais davantage reconnues pour leur rôle dans l’exacerbation des CPP. Elles peuvent non seulement induire des réactions post-transfusionnelles sévères, mais aussi aggraver les mécanismes physiopathologiques à l’origine des CPP. Dans notre étude sur dossiers médicaux, nous avons analysé les effets des transfusions sanguines intraopératoires et périopératoires auprès de 640 patients atteints de maladies hépatiques terminales ayant subi une TH au Centre Hospitalier de l’Université de Montréal (CHUM) entre juillet 2008 et juin 2021. Nos résultats montrent que les transfusions périopératoires sont associées à une augmentation de 77% du risque de CPP par rapport aux patients non transfusés. Ces observations soulignent l’impératif d’adopter une gestion transfusionnelle stratégique et d’approfondir notre compréhension des mécanismes qui sous-tendent les CPP. En optimisant ces approches, nous pourrions non seulement réduire l’incidence des CPP, mais aussi améliorer la survie du greffon et prolonger la survie globale des patients après une transplantation hépatique.
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 | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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".