Organ Donation and Transplantation Registries Across the Globe: A Review of the Current State
Notice bibliographique
Résumé
BACKGROUND: The current landscape of organ donation and transplantation (ODT) registries is not well established. This narrative review sought to identify and characterize the coverage, structure, and data capture of ODT registries globally. METHODS: We conducted a literature search using Ovid Medline and web searches to identify ODT registries from 2000 to 2023. A list of ODT registries was compiled based on publications of registry design, studies, and reports. Extracted data elements included operational features of registries and the types of donor and recipient data captured. RESULTS: We identified 129 registries encompassing patients from all continents except Antarctica. Most registries were active, received funding from government or professional societies, were national in scope, included both adult and pediatric patients, and reported patient-level data. Registries included kidney (n = 99), pancreas (n = 32), liver (n = 44), heart (n = 35), lung (n = 30), intestine (n = 15), and islet cell (n = 5) transplants. Most registries captured donor data (including living versus deceased) and recipient features (including demographics, cause of organ failure, and posttransplant outcomes) but there was underreporting of other domains (eg, donor comorbidities, deceased donor referral rates, waitlist statistics). CONCLUSIONS: This review highlights existing ODT registries globally and serves as a call for increased visibility and transparency in data management and reporting practices. We propose that standards for ODT registries, a common data model, and technical platforms for collaboration, will enable a high-functioning global ODT system responsive to the needs of transplant candidates, recipients, and donors.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».