Validating Early Post–Transplant Outcomes Reported for Recipients of Deceased Donor Kidney Transplants
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Data reported to the Organ Procurement and Transplantation Network (OPTN) are used in kidney transplant research, policy development, and assessment of center quality, but the accuracy of early post-transplant outcome measures is unknown. DESIGN, SETTING, PARTICIPANTS, & MEASUREMENTS: The Deceased Donor Study (DDS) is a prospective cohort study at five transplant centers. Research coordinators manually abstracted data from electronic records for 557 adults who underwent deceased donor kidney transplantation between April of 2010 and November of 2013. We compared the post-transplant outcomes of delayed graft function (DGF; defined as dialysis in the first post-transplant week), acute rejection, and post-transplant serum creatinine reported to the OPTN with data collected for the DDS. RESULTS: Median kidney donor risk index was 1.22 (interquartile range [IQR], 0.97-1.53). Median recipient age was 55 (IQR, 46-63) years old, 63% were men, and 47% were black; 93% had received dialysis before transplant. Using DDS data as the gold standard, we found that pretransplant dialysis was not reported to the OPTN in only 11 (2%) instances. DGF in OPTN data had a sensitivity of 89% (95% confidence interval [95% CI], 84% to 93%) and specificity of 98% (95% CI, 96% to 99%). Surprisingly, the OPTN data accurately identified acute allograft rejection in only 20 of 47 instances (n=488; sensitivity of 43%; 95% CI, 17% to 73%). Across participating centers, sensitivity of acute rejection varied widely from 23% to 100%, whereas specificity was uniformly high (92%-100%). Six-month serum creatinine values in DDS and OPTN data had high concordance (n=490; Lin concordance correlation =0.90; 95% CI, 0.88 to 0.92). CONCLUSIONS: OPTN outcomes for recipients of deceased donor kidney transplants have high validity for DGF and 6-month allograft function but lack sensitivity in detecting rejection. Future studies using OPTN data may consider focusing on allograft function at 6 months as a useful outcome.
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 | 0,025 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».