Enhancing short-term predictions of mortality risk for liver transplant candidates through random survival forests.
پخش حرفهای فارسی و انگلیسی
در حال بررسی نسخههای صوتی ذخیرهشده…
تنظیم صدای طبیعی و سرعت
صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده میشود معمولاً طبیعیترند. انتخاب صدا به صداهای نصبشده در ویندوز و مرورگر شما بستگی دارد.
چکیده اصلی
MELD-based scores do not fully account for systemic and metabolic risk in liver transplant candidates, with notable gaps for those with metabolic dysfunction-associated steatotic liver disease (MASLD). In this retrospective, outcome-anchored, single-center proof-of-concept study, we analyzed adult patients listed for liver transplantation at our institute from 2004 to 2025. We analyzed clinical and laboratory data collected 3-12 months prior to death, transplantation, or censoring, focusing on advanced disease stages. Exclusion criteria included hepatocellular carcinoma and incomplete MELD 3.0 data. We developed a competing-risk random survival forest (RSF) model using nine metabolic and systemic variables, and compared its performance to MELD-Na and MELD 3.0 via time-dependent discrimination and calibration metrics. Among 434 candidates (median age 56.8 years, 60.4% male), 43.3% died on the waitlist, 45.6% underwent transplantation, and 11.1% were alive at study end. The RSF model showed numerically higher discrimination for 180-day waitlist mortality (AUC = 0.81) versus MELD 3.0 and MELD-Na (AUC = 0.75 each), but this exploratory improvement did not demonstrate statistically significant superiority in pairwise AUC comparison. Albumin, diabetes mellitus, and hemoglobin were the strongest predictors. Exploratory reclassification analyses demonstrated a positive Net Reclassification Index (NRI = 0.30), driven primarily by improved identification of patients who died on the waiting list, with minimal misclassification among survivors. Exploratory subgroup analyses showed numerically higher discrimination among candidates with MASLD. These findings support further evaluation of the RSF model as a research framework for outcome-anchored 180-day waitlist mortality assessment. Prospective, multicenter, and external validation will be required before any consideration of clinical use.
نتیجه فارسی
این مطالعه اثباتگرایانه تکمرکزی، مدل جنگل بقا تصادفی (RSF) را برای پیشبینی مرگومیر در لیست انتظار ۱۸۰ روز کاندیداهای پیوند کبد توسعه داد. مدل RSF عددی بالاتری برای تشخیص (AUC) نسبت به امتیازهای MELD 3.0 و MELD-Na نشان داد، اما این تفاوت به صورت آماری معنادار نبود. تحلیلهای اکتشافی نشان دادند که مدل RSF میتواند بیماران با ریسک بالاتر را بهتر شناسایی کند (NRI = ۰.۳۰). استفاده بالینی از این مدل هنوز پیشنیازهای اعتبارسنجی آیندهنگرانه و چندمرکزی را دارد.
- مدل RSF نسبت به MELD 3.0 و MELD-Na عددی بالاتری برای تشخیص مرگومیر در لیست انتظار ۱۸۰ روز داشت.
- آلبومین، دیابت mellitus و هموگلوبین قویترین پیشبینیگرها بودند.
- تحلیلهای اکتشافی نشان دادند ایندکس بازبینی خالص مثبت (NRI) را نشان دادند.
- استفاده بالینی از مدل هنوز پیشنیازهای اعتبارسنجی آیندهنگرانه و چندمرکزی را دارد.
- این مطالعه مبتنی بر دادههای گذشته و در یک مرکز انجام شده است.
ترجمه فارسی چکیده
امتیازهای مبتنی بر MELD تمامی ریسکهای سیستمیک و متابولیک را در کاندیداهای پیوند کبد در نظر نمیگیرند و برای کسانی که بیماری کبد چرب ناشی از اختلال متابولیک (MASLD) دارند، شکافهای قابل توجهی دارند. در این مطالعه اثباتگرایانه تکمرکزی و مبتنی بر نتیجه، دادههای بالینی و آزمایشگاهی جمعآوری شده ۳ تا ۱۲ ماه قبل از مرگ، پیوند یا حذف از لیست را برای بیماران بالغ فهرست شده برای پیوند کبد در موسسه ما از ۲۰۰۴ تا ۲۰۲۵ تحلیل کردیم. یک مدل جنگل بقا با ریسکهای متقابل (RSF) با استفاده از نه متغیر متابولیک و سیستمیک توسعه دادیم و عملکرد آن را نسبت به MELD-Na و MELD 3.0 از طریق معیارهای تشخیصی و کالیبراسیون زمانوابسته مقایسه کردیم. در میان ۴۳۴ کاندیدا (میانگین سنی ۵۶.۸ سال، ۶۰.۴٪ مرد)، ۴۳.۳٪ در لیست انتظار مردند، ۴۵.۶٪ پیوند دریافت کردند و ۱۱.۱٪ در پایان مطالعه زنده بودند. مدل RSF عددی بالاتری برای مرگومیر در لیست انتظار ۱۸۰ روز (AUC = ۰.۸۱) نسبت به MELD 3.0 و MELD-Na (هر کدام AUC = ۰.۷۵) نشان داد، اما این بهبود اکتشافی نشاندهنده برتری آماری معنادار در مقایسه زوجی AUC نبود. آلبومین، دیابت mellitus و هموگلوبین قویترین پیشبینیگرها بودند. تحلیلهای اکتشافی بازبینی نشان دادند ایندکس بازبینی خالص مثبت (NRI = ۰.۳۰) را نشان دادند که عمدتاً ناشی از شناسایی بهتر بیماران مرد در لیست انتظار بود. تحلیلهای زیرگروه اکتشافی عددی بالاتری برای تشخیص در کاندیداها با MASLD نشان دادند. این یافتهها از ارزیابی بیشتر مدل RSF به عنوان چارچوب پژوهشی برای ارزیابی مرگومیر در لیست انتظار ۱۸۰ روز مبتنی بر نتیجه حمایت میکنند. قبل از هرگونه در نظر گرفتن استفاده بالینی، نیاز به اعتبارسنجی آیندهنگرانه، چندمرکزی و خارجی وجود خواهد داشت.
روش پژوهش
این مطالعه اثباتگرایانه تکمرکزی و مبتنی بر نتیجه، دادههای بالینی و آزمایشگاهی جمعآوری شده ۳ تا ۱۲ ماه قبل از مرگ، پیوند یا حذف از لیست را برای بیماران بالغ فهرست شده برای پیوند کبد از ۲۰۰۴ تا ۲۰۲۵ تحلیل کرد. مدل RSF با استفاده از نه متغیر متابولیک و سیستمیک توسعه یافت.
محدودیتها
این مطالعه اثباتگرایانه تکمرکزی است و دادههای گذشته را تحلیل میکند. استفاده بالینی از مدل هنوز پیشنیازهای اعتبارسنجی آیندهنگرانه و چندمرکزی را دارد. نتایج ممکن است به دلیل ماهیت اکتشافی بودن آنها محدودیت داشته باشند.
نمای PICO و پیامدها
- جمعیت
- بیماران بالغ فهرست شده برای پیوند کبد در یک مرکز از ۲۰۰۴ تا ۲۰۲۵.
- مداخله/مواجهه
- توسعه مدل جنگل بقا تصادفی (RSF) با استفاده از نه متغیر متابولیک و سیستمیک.
- مقایسه
- امتیازهای MELD 3.0 و MELD-Na.
- حجم نمونه
- ۴۳۴ کاندیدا.
متن کامل اصلی
برای بررسی دسترسی کتابخانهای یا خرید، رکورد اصلی را باز کنید.
رفتن به منبع اصلی