Eligibility for the kidney transplant wait list: a model for conceptualizing patient risk
Notice bibliographique
Résumé
BACKGROUND: Determining eligibility for a kidney transplant is one of the most important decisions facing nephrologists. It is assumed that the harm of kidney transplantation is minimal and most will benefit. The purpose of this study was to quantify the probability of 'no benefit' as defined by death on the wait list; 'harm', defined by the probability that a transplanted patient would live less than the average wait listed patient; and 'benefit' for the probability a transplanted patient would outlive the average wait listed patient. METHODS: A computerized model was developed to replicate observed patient survival outcomes in deceased donor kidney transplantation. Three sequential periods of risk for the transplanted recipient compared to the wait listed cohort (increased, equivalent and reduced risk) were modeled. RESULTS: The model predicted that wait listed patients with a baseline mortality of 28 deaths per 100 patient years were equally likely to benefit or be harmed with a transplant. However if 20% of patients on the wait list were on hold (assuming a 2.2-fold higher mortality than those who were transplanted), then the baseline mortality rate for equal harm or benefit decreases to 22 deaths per 100 patient years (equivalent life expectancy 4.5 years). CONCLUSION: Patients with limited life expectancies are more likely to suffer some harm than derive benefit from kidney transplantation.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».