为肺移植候选人开发和验证初级移植功能障碍预测算法
Joshua M Diamond1, Michaela R Anderson1, Edward Cantu2
1Division of Pulmonary, Allergy, and Critical Care Medicine, Department of Medicine, Perelman School of Medicine at the University of Pennsylvania, Philadelphia, Pennsylvania.
概括
一个新的模型预测了肺移植后的初级移植功能障碍 (PGD) 风险. 该工具有助于供体选择和术后规划,改善患者的治疗结果和移植成功率.
科学领域:
- 移植科学 移植科学
- 医疗信息学 医疗信息学
- 预测分析是一种预测分析.
背景情况:
- 主要移植功能障碍 (PGD) 是肺移植后早期并发症和死亡的主要原因.
- 准确的PGD风险预测对于优化供体选择和术后管理至关重要.
- 需要一个可泛化和临床适用的PGD预测模型来支持移植决策.
研究的目的:
- 开发一种临床上有用和可通用的预测模型,用于初级移植功能障碍 (PGD) 风险.
- 在肺移植中创建一个实时PGD风险评估的用户界面.
- 评估PGD预测模型的临床效用和净益.
主要方法:
- 一项前性队列研究 (2012-2018) 用于推导PGD预测模型.
- 规范化 (lasso) 后勤回归被用来确定重要的PGD预测因子.
- 外部验证在一个中心进行,决策曲线分析评估模型效用.
主要成果:
- 该PGD预测模型结合了供体和受体因素,包括距离,年龄,肺容量,LAS,BMI,肺动脉压力,性别,移植指示,供体特征和相互作用.
- 一个用户界面可以实时对捐赠者-接受者对进行PGD风险评估.
- 该模型证明了在导出和验证队列中的特定PGD风险范围的决策净收益.
结论:
- 开发了一种具有临床价值的PGD预测算法,以帮助移植决策.
- 该模型支持移植后护理规划,并可以为PGD治疗试验丰富患者队列.
- 该工具通过提供准确的PGD风险分层,提高了肺移植接受者的管理.
