Discrimination and Calibration of the Estimated Post-Transplant Survival Model by Race
Notice bibliographique
Résumé
Background: The Estimated Post-Transplant Survival (EPTS) score is widely used to predict survival in kidney transplant recipients and guide high-longevity kidney allocation. Prior studies identified racial disparities in access to high-longevity kidneys under this system, but EPTS performance across racial groups has not been directly evaluated. We evaluated EPTS model performance across racial groups. Methods: This retrospective cohort study included first-time adult deceased donor kidney transplant recipients from the U.S. Scientific Registry of Transplant Recipients (2013–2023). Cox proportional hazards models estimated mortality using Raw EPTS, with an interaction term for race (White, Black, Other). Hazard ratios (HRs) per unit Raw EPTS were calculated for each group. Discrimination was assessed using overall and time-dependent Harrell’s C-statistic, compared using DeLong’s test. Calibration was evaluated at 1, 3, and 5 years using calibration plots. Results: Among 123,952 recipients, 67,027 (54%) were White, 44,471 (36%) were Black, and 12,454 (10%) were Other. A significant interaction between Raw EPTS and race was detected (p<0.001). The HR per unit Raw EPTS was higher for White recipients (HR 3.66; 95% CI: 3.53, 3.80) than Black recipients (HR 2.91; 95% CI: 2.80, 3.02). Discrimination was slightly lower for Black recipients (C-statistic 0.678) than White recipients (0.712, p<0.001). Re-fitting the EPTS coefficients within each race group did not improve discrimination. Calibration was best at 1 year, declining at 3 and 5 years, but remained similar across groups. Conclusion: The association between Raw EPTS and mortality differed by race, with a stronger impact in White recipients. Discrimination was modestly lower for Black recipients, reducing EPTS’s ability to rank risk. Despite this, calibration was similar, providing accurate 1-year survival predictions across groups. These findings support continued EPTS use but highlight the need to monitor model performance, ensure fairness, and explore ways to improve baseline risk-stratification for Black recipients.
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 | 0,083 | 0,139 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».