Outcomes after liver transplantation using deceased after circulatory death donors: A comparison of outcomes in the UK and the US
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Identifying international differences in utilization and outcomes of liver transplantation (LT) after donation after circulatory death (DCD) donation provides a unique opportunity for benchmarking and population-level insight. METHODS: Adult (≥18 years) LT data between 2008 and 2018 from the UK and US were used to assess mortality and graft failure after DCD LT. We used time-dependent Cox-regression methods to estimate hazard ratios (HR) for risk-adjusted short-term (0-90 days) and longer-term (90 days-5 years) outcomes. RESULTS: One-thousand five-hundred-and-sixty LT receipts from the UK and 3426 from the US were included. Over the study period, the use of DCD livers increased from 15.7% to 23.9% in the UK compared to 5.1% to 7.6% in the US. In the UK, DCD donors were older (UK:51 vs. US:33 years) with longer cold ischaemia time (UK: 437 vs. US: 333 min). Recipients in the US had higher Model for End-stage Liver Disease (MELD) scores, higher body mass index, higher proportions of ascites, encephalopathy, diabetes and previous abdominal surgeries. No difference in the risk-adjusted short-term mortality or graft failure was observed between the countries. In the longer-term (90 days-5 years), the UK had lower mortality and graft failure (adj.mortality HR:UK: 0.63 (95% CI: 0.49-0.80); graft failure HR: UK: 0.72, 95% CI: 0.58-0.91). The cumulative incidence of retransplantation was higher in the UK (5 years: UK: 11.9% vs. 4.6%; p < .001). CONCLUSIONS: For those receiving a DCD LT, longer-term post-transplant outcomes in the UK are superior to the US, however, significant differences in recipient illness, graft quality and access to retransplantation were seen between the two countries.
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 | 0,000 | 0,000 |
| 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 ».