Median Meld at Transplant Minus 3 Reduces the Mortality of Non-Hepatocellular Carcinoma Patients on the Liver Transplant Waitlist
Notice bibliographique
Résumé
Liver transplants (LTs) are prioritized by mortality risk, which is estimated by MELD scores. Since hepatocellular carcinoma (HCC) patients present with lower MELD scores, they are allocated MELD exception points. Concerns persist that HCC recipients are over-prioritized, resulting in disproportionate waitlist mortality among non-HCC patients. We assessed whether the Median Meld at Transplant minus 3 (MMaT-3) scoring system would balance waitlist mortality and transplantation rates between HCC and non-HCC patients. We reviewed 266 patient charts listed for an LT from 2015 to 2023; 46.2% were listed in the MMaT-3 era. Amongst non-HCC patients, MMaT-3 implementation significantly increased 1-year transplant rate and reduced 1-year waitlist mortality among non-HCC patients (p = 0.003). Pre-MMaT-3 gaps in transplantation (p = 0.004) and waitlist dropout (p = 0.01) were eliminated post-implementation (p > 0.05). Amongst HCC patients, MMaT-3 implementation had no impact on the 1-year transplant rate (p = 0.92) or 1-year waitlist mortality (p = 0.66). Fine-gray proportional hazard multivariable analysis revealed that MMaT-3 significantly reduced waitlist mortality among non-HCC patients (asHR: 0.44, 95% CI [0.23, 0.83], p = 0.01) and limited impact on HCC patients (p = 0.31). MMaT-3 allocation did not significantly alter 2-year post-transplant survival for both populations. We show that the MMaT-3 system decreased the waitlist mortality of non-HCC patients with limited impacts on outcomes for HCC patients listed for an LT.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 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 ».