心移植における待機リスト死亡率予測のベンチマーキング：新規縦断的UNOSデータセットを用いたイベント発生時間モデリングによる

科学分野:

• 循環器学;医療情報学;生物統計学

背景:

• 心移植待機リスト管理は、場当たり的な委員会の決定に依存しています。国臓器供与者登録機関（UNOS）からますます利用可能になる縦断的データは、データ駆動型の意思決定支援の機会を提供します。臓器が入手可能になった時点での臨床的意思決定を支援するための分析アプローチが必要です。

研究 の 目的:

• 待機リスト死亡率の時間依存的なイベント発生時間モデリングのための機械学習モデルをベンチマークすること。予測精度の向上に待機リストの縦断的履歴データを利用すること。心移植管理における臨床的意思決定を支援すること。

主な方法:

• 23,807人の患者記録と77の変数を用いて機械学習モデルを訓練しました。待機リストの縦断的履歴データを利用しました。1年間の予測期間における生存予測と識別についてモデルを評価しました。

主要な成果:

• 最良のモデルはC指数0.94およびAUROC 0.89を達成しました。パフォーマンスは以前のモデルを大幅に上回りました。既知のリスク因子と一致する主要な予測因子を特定し、新たな関連性を明らかにしました。

結論:

• 機械学習モデルは心移植待機リストの死亡率を効果的に予測できます。調査結果は、待機リスト患者の緊急度評価の改善を支持します。結果は、より公平な臓器割り当てのためのポリシーの洗練に情報を提供できます。