One Size Doesn't Fit All: A Review of International Deceased Donor Kidney Allocation Algorithms
Notice bibliographique
Résumé
INTRODUCTION: Deceased donor kidney allocation algorithms seek to balance equity, need, and utility within regional healthcare constraints. Although many countries have formal systems, comparative analyses of their structure, context, and evolution remain scarce. SEARCH STRATEGY: We conducted a targeted review of 21 allocation algorithms across five continents, identified through literature searches, transplant organization websites, and policy documents. Core components analyzed included wait time, age, immunologic risk, medical urgency, and donor-recipient matching. Three case studies - the United States, Canada, and Eurotransplant - illustrate how governance and sociopolitical factors shape design and reform. RESULTS: All algorithms incorporated wait time and age, with variable definitions and weighting. Most addressed panel reactive antibody, pediatric priority, and medical urgency, but thresholds and implementation differed. Donor-recipient matching strategies included HLA mismatch scoring, ABO compatibility, and longevity matching via donor age, Kidney Donor Profile Index, or Expected Post-Transplant Survival. The US, Canadian, and Eurotransplant case studies highlighted contrasting centralized versus provincial governance and their influence on reform. CONCLUSIONS: Grounded in shared ethical principles, kidney allocation algorithms differ in how these are operationalized. This global comparison identifies opportunities to enhance transparency and equity, offering practical guidance for jurisdictions developing or refining allocation systems to align with ethical values and local realities.
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 | 0,023 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,016 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».