肝移植后患者的风险预测模型的性能和随着时间的推移的移植存活率
Lauren Shaffer1, Samir Abu-Gazala2, Douglas E Schaubel3
1Department of Medicine, Hospital of the University of Pennsylvania, Philadelphia, Pennsylvania, USA.
概括
肝移植后生存效益 (SB) 和生存结果 (SOFT) 评分最好预测短期肝移植结果. 然而,所有当前的模型都显示,随着时间的推移,准确性下降,需要对不断变化的移植实践进行更新.
科学领域:
- 移植免疫学和研究成果的研究结果.
- 医疗信息学和医疗保健中的预测建模.
背景情况:
- 肝移植因器官稀缺而受到限制,因此接受者和捐赠者的选择对于最大限度地提高移植后的益处至关重要.
- 现有几种风险评分模型可以预测移植后的结果,但它们随着时间的推移的表现基本上没有得到检查.
研究的目的:
- 通过使用大型国家数据库,随着时间的推移评估已建立的肝移植预测模型的性能.
- 评估不同移植时代和不同患者子组的患者和移植存活率的模型歧视和校准.
主要方法:
- 来自UNOS数据库的112,357例肝移植的回顾性队列研究 (2002-2021年).
- 考克斯回归分析用于评估模型歧视 (哈雷尔C) 和对患者和移植存活的校准.
- 对现代移植时代 (2014年以后) 和特定的捐赠者-接受者特征进行了分分析.
主要成果:
- 肝移植后生存效益 (SB) 和生存结果 (SOFT) 评分显示,对短期结果的歧视是最高的,包括在现代时代.
- 所有模型都表现出对患者长期存活 (三年和五年时间点) 的校准不佳.
- 随着时间的推移,模型歧视普遍下降,仅供者因素的得分显示出表现不佳.
结论:
- 虽然SB和SOFT分数提供了最好的当前预测,但它们的性能,就像所有模型一样,随着时间的推移而退化.
- 定期更新或开发新的预测模型对于保持肝移植动态领域的准确性至关重要.
- 仅仅依赖于供体因子的模型不足以进行有意义的移植后风险评估.
更多相关视频
09:23Author Spotlight: Enhancing Transplantation Research Through MicroCT Angiography in Murine Models
Published on: September 22, 2023
2.7K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
