在移植候选人的多中心前队列中,以集群为基础的脆弱现象特征

科学领域:

• 腎臟病學 (nephrology) 是一種醫學.
• 老年学是一门学科.
• 数据科学数据科学数据科学

背景情况:

• 脆弱性是移植候选人死亡率的重要预测因素.
• 现有的脆弱性评估依赖于临床判断或缺陷积累.
• 需要客观的表型来分层这个人群中的风险.

研究的目的:

• 开发和评估一个基于集群的方法来表型移植候选人.
• 根据健康特征的相似性,识别出不同的患者子组.
• 为每个已识别的集群生成特征级的表型.

主要方法:

• 对移植候选人的多中心队列的分析.
• 应用两个集群技术:具有层次集群的自组织地图 (SOM) 和KAMILA.
• 利用通常与脆弱性评估相关的特征.

主要成果:

• 集群方法成功地将候选人分为三个不同的组.
• 每个集群都代表了一个独特的表型,具有特征特征配置文件.
• 这种表型为脆弱性提供了数据驱动的分层.

结论:

• 基于集群的表型为评估移植候选人的脆弱性提供了一种新的客观方法.
• 识别的表型可以帮助风险分层和个性化护理策略.
• 这种方法增强了我们对这种患者队列中脆弱异质性的理解.