Variation in practice patterns and outcomes across United Network for Organ Sharing allocation regions
Notice bibliographique
Résumé
BACKGROUND: The number of heart transplants performed is limited by organ availability and is managed by the United Network for Organ Sharing (UNOS). Efforts are underway to make organ disbursement more equitable as demand increases. HYPOTHESIS: Significant variation exists in contemporary patterns of care, wait times, and outcomes among patients undergoing heart transplantation across UNOS regions. METHODS: We identified adult patients undergoing first, single-organ heart transplantation between January 2006 and December 2014 in the UNOS dataset and compared sociodemographic and clinical profiles, wait times, use of mechanical circulatory support (MCS), status at time of transplantation, and 1-year survival across UNOS regions. RESULTS: We analyzed 17 096 patients undergoing heart transplantation. There were no differences in age, sex, renal function, and peripheral vascular resistance across regions; however, there was 3-fold variation in median wait time (range, 48-166 days) across UNOS regions. Proportion of patients undergoing transplantation with status 1A ranged from 36% to 79% across regions (P < 0.01), and percentage of patients hospitalized at time of transplantation varied from 41% to 98%. There was also marked variation in MCS and inotrope utilization (28%-57% and 25%-58%, respectively; P < 0.001). Durable ventricular assist device implantation varied from 20% to 44% (P < 0.001), and intra-aortic balloon pump utilization ranged from 4% to 18%. CONCLUSIONS: Marked differences exist in patterns of care across UNOS regions that generally trend with differences in waitlist time. Novel policy initiatives are required to address disparities in access to allografts and ensure equitable and efficient allocation of organs.
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 | 0,002 | 0,003 |
| 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 | 0,000 | 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 ».