Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Minato, Arthur Cesar dos Santos | - |
Autor(es): dc.creator | Hannun, Pedro Guilherme Coelho | - |
Autor(es): dc.creator | Barbosa, Abner Macola Pacheco | - |
Autor(es): dc.creator | da Rocha, Naila Camila | - |
Autor(es): dc.creator | Machado-Rugolo, Juliana | - |
Autor(es): dc.creator | Cardoso, Marilia Mastrocolla de Almeida | - |
Autor(es): dc.creator | de Andrade, Luis Gustavo Modelli | - |
Data de aceite: dc.date.accessioned | 2025-08-21T20:17:28Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T20:17:28Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2023-10-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.transproceed.2023.07.021 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/303052 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/303052 | - |
Descrição: dc.description | Background: There are few predictive studies about early posttransplant outcomes taking into account baseline and posttransplant variables. The objective of this study was to create a predictive model for 30-day graft rejection using machine learning techniques. Methods: Retrospective study with 1255 patients undergoing transplant from living and deceased donors at a tertiary health service in Brazil. Recipient, donor, transplantation, and postoperative period data were collected from physical and electronic records. We split the data into derivation (training) and validation (test) datasets. Five supervised machine learning algorithms were developed with this subset of variables in the training set: Simple Logistic Regression, Lasso, Multilayer Perceptron, XGBoost, and Light GBM. Results: There were 147 (12.48%) cases of graft rejection within 30 days of transplantation. The best model was XGBoost (accuracy, 0.839; receiver operating characteristic area under the curve, 0.715; precision, 0.900). The model showed that deceased donor transplantation, glomerulopathy as an underlying disease, and donor's use of vasoactive drugs had more than 20% importance as rejection risk factors. The variables with the greatest predictive values were thymoglobulin induction and delayed graft function. Conclusions: We fitted a machine learning model to predict 30-day graft rejection after kidney transplantation that reaches a higher accuracy and precision. Machine learning models could contribute to predicting kidney survival using nontraditional approaches. | - |
Descrição: dc.description | Department of Internal Medicine Universidade Estadual Paulista “Júlio de Mesquita Filho” (UNESP) | - |
Descrição: dc.description | Health Technology Assessment Center (NATS) Clinical Hospital of Botucatu Medical School (HCFMB) São Paulo State University (UNESP) | - |
Descrição: dc.description | Department of Internal Medicine Universidade Estadual Paulista “Júlio de Mesquita Filho” (UNESP) | - |
Descrição: dc.description | Health Technology Assessment Center (NATS) Clinical Hospital of Botucatu Medical School (HCFMB) São Paulo State University (UNESP) | - |
Formato: dc.format | 2058-2062 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Transplantation Proceedings | - |
???dc.source???: dc.source | Scopus | - |
Título: dc.title | Machine Learning Model to Predict Graft Rejection After Kidney Transplantation | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: