A Broader View of Designing the Liver Allocation System
Notice bibliographique
Résumé
We consider the problem of designing an efficient system for allocating donated livers to patients waiting for transplantation. The trade-off between medical urgency and efficiency is at the heart of the liver allocation problem. We model the transplant waiting list as a multiclass fluid model of overloaded queues, which captures the disease evolution by allowing the patients to switch between classes, i.e., health levels. We consider the bicriteria objective of minimizing total number of patient deaths while waiting for transplantation (NPDWT) and maximizing total quality-adjusted life years (QALYs) through a weighted combination. On one hand, under the objective of minimizing NPDWT, the current policy of United Network for Organ Sharing (UNOS) emerges as the optimal policy, providing a theoretical justification for the current practice. On the other hand, under the metric of maximizing QALYs, the optimal policy is an intuitive dynamic index policy that ranks patients based on their marginal benefit from transplantation, i.e., the difference in benefit with versus without transplantation. Finally, we perform a detailed simulation study to compare the performances of our proposed policies and the current UNOS policy along the following metrics: total QALYs, NPDWT, number of patient deaths after transplantation, number of total patient deaths, and number of wasted livers. Numerical experiments show that our proposed policy for maximizing QALYs outperforms the current UNOS policy along all metrics except the NPDWT.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».