Risk evaluation and recipient selection in adult liver transplantation: A mixed-methods survey
Notice bibliographique
Résumé
Background: Liver transplant (LT) is the definitive treatment for end-stage liver disease. Limited resources and important post-operative implications for recipients compel judicious risk stratification and patient selection. However, little is known about the factors influencing physicians' assessment regarding patient selection for LT and risk evaluation. Methods: We conducted a mixed-methods, cross-sectional survey involving Canadian hepatologists, anesthesiologists, LT surgeons, and French anesthesiologists. The survey contained quantitative questions and a vignette-based qualitative substudy about risk assessment and patient selection for LT. Descriptive statistics and qualitative content analyses were used. Results: We obtained answers from 129 physicians, and 63 participated in the qualitative substudy. We observed considerable variability in risk assessment prior to LT and identified many factors perceived to increase the risk of complications. Clinicians reported that the acceptable incidence of at least 1 severe post-operative complication for a LT program was 20% (95% CI: 20-30%). They identified the presence of any comorbidity as increasing the risk of different post-operative complications, especially acute kidney injury and cardiovascular complications. Frailty and functional disorders, severity of the liver disease, renal failure and cardiovascular comorbidities prior to LT emerged as important risk factors for post-operative morbidity. Most respondents were willing to pursue LT in patients with grade III acute-on-chronic liver failure but were less often willing to do so when faced with the uncertainty of a clinical example. Conclusions: Clinicians had a heterogeneous appraisal of the post-operative risk of complications following LT, as well as factors considered in risk assessment.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».