Center practice drives variation in choice of US kidney transplant induction therapy: a retrospective analysis of contemporary practice
Notice bibliographique
Résumé
To assess factors that influence the choice of induction regimen in contemporary kidney transplantation, we examined center-identified, national transplant registry data for 166 776 US recipients (2005-2014). Bilevel hierarchical models were constructed, wherein use of each regimen was compared pairwise with use of interleukin-2 receptor blocking antibodies (IL2rAb). Overall, 82% of patients received induction, including thymoglobulin (TMG, 46%), IL2rAb (22%), alemtuzumab (ALEM, 13%), and other agents (1%). However, proportions of patients receiving induction varied widely across centers (0-100%). Recipients of living donor transplants and self-pay patients were less likely to receive induction treatment. Clinical factors associated with use of TMG or ALEM (vs. IL2rAb) included age, black race, sensitization, retransplant status, nonstandard deceased donor, and delayed graft function. However, these characteristics explained only 10-33% of observed variation. Based on intraclass correlation analysis, "center effect" explained most of the variation in TMG (58%), ALEM (66%), other (51%), and no induction (58%) use. Median odds ratios generated from case-factor adjusted models (7.66-11.19) also supported large differences in the likelihood of induction choices between centers. The wide variation in induction therapy choice across US transplant centers is not dominantly explained by differences in patient or donor characteristics; rather, it reflects center choice and practice.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».