Is the Kidney Donor Risk Index a Useful Tool in Non-US Patients?
Notice bibliographique
Résumé
Background: Deceased donor kidney allocation in the United States is guided by the Kidney Donor Risk Index (KDRI). The generalizability of the KDRI beyond the United States has not been widely studied. Objective: To assess the generalizability of the KDRI in a cohort of non-US (Canadian) deceased donor kidney transplant recipients. Design: Population-based retrospective cohort study. Setting: Ontario, Canada. Patients: Recipients of deceased donor kidneys from January 1, 2005, to March 31, 2011. Methods: Using administrative data, we analyzed a cohort of deceased donor kidney recipients in Ontario, Canada. The Kaplan-Meier method and Cox proportional hazards models were used to assess the relationship between KDRI and the outcomes of graft loss and death. KDRI was modeled continuously and categorically. The ability of models with KDRI to predict recipient outcomes beyond donor age was also explored. Model discrimination was assessed using c-statistics, evaluated at 5 years of follow-up. Results: A total of 1299 consecutive deceased donor kidney transplant recipients were included. The median follow-up was 5.5 years. Mean donor age increased from 27 to 64 years across ascending KDRI quintiles. The adjusted relative hazards (95% confidence interval) for total graft loss from Q2 to Q5 (referent = Q1) were 1.27 (0.89-1.80), 1.58 (1.13-2.22), 1.43 (1.01-2.02), and 2.15 (1.54-2.99), respectively. Increased relative hazards across KDRI quintiles were also observed for death-censored graft loss, but not death with graft function. All-cause mortality was increased for the highest KDRI quintile only. In this cohort, a model with KDRI performed better than a model with donor age alone ( P = .009). Limitations: Large health care databases may have precluded the complete capture of covariate data. Conclusions: In conclusion, the KDRI is generalizable to Canadian patients in Ontario and may help inform risk assessment beyond donor age. The performance of KDRI in other non-US settings, and the need for additional model refinement, warrants further study.
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 | 0,004 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».