Predicting the outcome of liver transplantation in patients with non‐alcoholic steatohepatitis cirrhosis: The NASH LT risk‐benefit calculator
Notice bibliographique
Résumé
BACKGROUND: Non-alcoholic Steatohepatitis (NASH) cirrhosis is the second most common indication for liver transplantation (LT) in the US and often is associated with significant co-morbidities. We validated a model and risk prediction score that reflects the benefit derived from LT for NASH cirrhosis by predicting 5-year survival post-LT. METHODS: We developed a prediction score utilizing 6515 NASH deceased donor LT (DDLT) recipients from 2002 to 2019 from the Scientific Registry of Transplant Recipients (SRTR) database to identify a parsimonious set of independent predictors of survival. Coefficients of relevant recipient factors were converted to weighted points to construct a risk scoring system that was then externally validated. RESULTS: The final risk score includes the following independent recipient predictors and corresponding points: recipient age (5 points for age ≥70 years), functional status (3 points for total assistance), presence of TIPSS (2 points), hepatic encephalopathy (1 point), serum creatinine (5 points if >1.45 mg/dl), need for mechanical ventilation (3 points), and dialysis within 1 week prior to LT (7 points). Diabetes is a stratifying variable for baseline risk. Scores range from 0 to 20 with scores above 13 having an overall survival of <65% at 5 years post-LT. Internal and external validation indicated good predictive ability. CONCLUSION: Our practically useable and validated risk score helps to identify and stratify candidates who will derive the most long-term benefit from LT for NASH cirrhosis.
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 | 0,001 | 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 ».