Abstracts
Notice bibliographique
Résumé
MELD predicts waitlist mortality; consequently, liver waitlist candidates with higher MELD get higher allocation priority. However, this disease severity-based allocation system is controversial due to concern that the sickest patients might not benefit from liver transplantation (LT). We conducted a national study to quantify survival benefit of LT across the range of MELD, stratifying by organ quality (DRI). Methods: We identified 66,569 adult liver-only candidates/recipients 2006-2015 from SRTR. Patients with status 1 or exception points were excluded. We compared deceased donor recipients to patients waiting for LT, using generalized gamma parametric survival analysis and adjusting for MELD, age, gender, race, blood type, liver diseases, malignancy, and insurance. Predicted change in survival and life years gained due to LT (truncating at 10y; Figure Results: LT was associated with increased survival at MELD11 for low and medium-DRI livers and MELD16 for high-DRI livers (time ratio (TR)>1 indicating longer survival after transplant). This association was stronger in higher MELD strata across all DRI categories, with greatest relative survival at MELD=40 (Table Life years gained due to LT increased for patients with higher MELD, and remained roughly constant for patients with MELD>25 (Figure Patients with MELD>25 gained about 7, 5, and 4 life years from livers with low, medium, and high DRI, respectively. Conclusions: Higher MELD correlates directly with increased relative survivalacross the range of MELD. However, when survival benefit is calculated as life years gained, all patients with MELD>25 benefit equally. The priority between relative scale and absolute (life years saved) scale becomes policy decision, not a mathematical one. Table 1: Time ratio: >1 = longer life post-LT (bold); <1 = shorter life post-LT (underline) MELD Low DRI (1.20) Medium DRI (1.20-1.57) High DRI (1.57) 6-10 0.57 1.37 3.28 0.12 0.27 0.59 0.14 0.24 0.40 11-15 1.83 2.30 2.88 1.08 1.39 1.78 0.59 0.74 0.93 16-20 3.62 4.10 4.64 2.06 2.41 2.81 1.47 1.72 2.01 21-25 7.26 8.13 9.10 4.30 4.99 5.79 2.45 2.88 3.39 26-30 24.05 27.24 30.86 10.66 12.60 14.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,731 | 0,522 |
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 ».