01-4: DEVELOPMENT OF A DONOR-BASED PREDICTIVE MODEL FOR PANCREAS DISCARD IN DECEASED DONOR TRANSPLANTATION IN THE U.S.
Notice bibliographique
Résumé
Introduction: Pancreas discard remains a significant barrier in transplantation, with 25–30% of deceased donor offers discarded in the U.S.1 The European-derived Pre-Procurement Pancreas Suitability Score (P-PASS) has performed variably in external validations.2,3 A robust, donor-based tool is needed to improve utilization and streamline procurement. Methods: We retrospectively analyzed all deceased donor pancreas offers from the U.S. Scientific Registry of Transplant Recipients (2003–2023). The primary outcome was pancreas discard. Candidate predictors included donor demographics, comorbidities, peri-donation variables, and logistical, geographic, and temporal factors. An associative multivariable logistic model identified risk factors using a causal diagram, LASSO selection, and univariable analyses. A parsimonious predictive model for pancreas discard was developed and evaluated for discrimination (area under the curve (AUC)), calibration plots, Brier score, and net reclassification improvement (NRI) versus a modified P-PASS. Internal validation used 1,000 bootstrap resamples. Sensitivity analyses were conducted in sub-cohorts since 2013 and excluding discards unrelated to donor factors. Results: Among 30,757 pancreas offers, 8,048 (26%) were discarded. The predictive model incorporated ten donor factors independently associated with discard: older age, female sex, higher BMI, hypertension, gastrointestinal disease, smoking, donation after cardiac death, stroke as cause of death, elevated terminal creatinine, and abnormal lipase. This model achieved moderate discrimination (AUC 0.699; optimism-corrected 0.698), accurate calibration, a Brier score of 0.090, and a 9.2% NRI over the modified P-PASS. Sensitivity analyses confirmed robust performance: offers since 2013 yielded an AUC of 0.663 (9.7% NRI), and exclusion of non–donor-related discards produced an AUC of 0.732 (11.1% NRI). Conclusions: We developed a novel donor-based predictive model for pancreas discard that demonstrated robust performance in a large North American cohort, improving risk-classification over existing tools. These findings support its potential as a practical decision aid for optimizing donor selection and reducing discard rates, ultimately enhancing outcomes in pancreas transplantation.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».