Optimizacijski model temeljen na simulaciji za proučavanje utjecaja popisa više regija i dijeljenja informacija na ishode transplantacije bubrega

Zahra Gharibi 1,* i Michael Hahsler 2

Sažetak:Više od 8000 pacijenata na listi čekanjabubregtransplantacije umru ili postanu nepodobni za primanje transplantata zbog pogoršanja zdravlja. U isto vrijeme, više od 4000 oporavljenih bubrega od preminulih donora odbacuje se svake godine u Sjedinjenim Državama. Ovaj rad razvija optimizacijski model temeljen na simulaciji koji uzima u obzir nekoliko ključnih čimbenika za abubregtransplantacija poboljšatibubregiskorištenje. Za razliku od većine predloženih modela, predstavljeni optimizacijski model uključuje detalje procesa ponude, pogoršanje zdravlja pacijenata ibubregkvaliteta tijekom vremena, korelacija između zdravlja bolesnika i odluka o prihvaćanju te vjerojatnost prihvaćanja bubrega. Parametre modela procjenjujemo pomoću podataka dobivenih od Ujedinjene mreže dijeljenja organa (UNOS) i Znanstvenog registra primatelja transplantata (SRTR). Pomoću ovih parametara ilustriramo snagu optimizacijskog modela temeljenog na simulaciji pomoću dvije povezane aplikacije. Prvi istražuje učinke poticanja pacijenata na višeregionalne liste čekanja na ishode nakon transplantacije. Ovdje model optimizacije temeljen na simulaciji omogućuje pacijentu odabir najboljih regija za stavljanje na listu čekanja, s obzirom na njihove omjere potražnje i ponude. Druga primjena usmjerena je na aspekt transplantacije na razini sustava, točnije na doprinos razmjene informacija poboljšanju stope odbačenih bubrega i socijalne skrbi. Istražujemo učinke korištenja moderne informacijske tehnologije za ubrzavanje pronalaženja pacijenta koji odgovara dostupnom donorskom organu na stopu smrtnosti na listama čekanja, odbacivanje bubrega i stopu transplantacije. Pokazujemo da je podrška moderne informacijske tehnologije koju trenutno razvija Ujedinjena mreža za dijeljenje organa (UNOS) ključna i da može značajno poboljšati iskorištavanje bubrega.

Ključne riječi:simulacijski model;bubregprihvaćanje;bubregdodjela; popis više regija; djeljenje informacija

Kontakt:joanna.jia@wecistanche.com

Cistanchetubulosa sprječava bolest bubrega, kliknite ovdje da biste dobili uzorak

1. Uvod

Kroničnobubregbolest (CKD) je progresivni gubitakbubregfunkcioniraju tijekom vremena. CKD je svjetska zdravstvena kriza jer u ovom trenutku više od 2 milijuna pacijenata pati od završne faze bubrežne bolesti (ESRD) ili zatajenja bubrega. Očekuje se da će broj pacijenata s dijagnozom ESRD-a rasti po stopi između 5 i 7 posto svake godine [1]. Trenutačno ne postoji lijek zabubregneuspjeh, a bolesnici s ESRD-om trebaju primati čestu dijalizu ili transplantaciju bubrega od živog ili preminulog darivatelja kako bi preživjeli. Za većinu pacijenata transplantacija bubrega je preferirani način liječenja koji omogućuje dulji životni vijek uz višu kvalitetu života od dijalize. Međutim, pacijenti diljem svijeta suočeni su s kroničnim nedostatkom bubrega donora dostupnih za transplantaciju.

Trenutačno je u SAD-u blizu 100000 pacijenata na listi čekanja, a u prosjeku se svaki mjesec upisuje preko 3000 novih pacijenata. Svake godine više od 4000 pacijenata umre čekajući spasbubregpresaditi, a više od 4000 postane previše bolesno i oboljelo je. Da bismo razumjeli razloge tako visokih stopa odbacivanja, moramo pogledatibubregproces dodjele i ponude. Postoje značajne razlike između bubrega živih i umrlih darivatelja i između različitih zemalja. Ovdje se fokusiramo nabubregaod preminulih donatora u SAD-u. Najvažniji kriteriji za dodjelu bubrega preminulog davatelja su (1) medicinska kompatibilnost davatelja i primatelja, (2) logistički čimbenici i (3) položaj bolesnika na listi čekanja (npr. vrijeme čekanja, bodovi). Točnije, u SAD-u, United Network of Organ Sharing (UNOS) upravlja Mrežom za nabavu i transplantaciju organa (OPTN) i odgovorna je za prikupljanje podataka o pacijentima i donatorima. Osim logističkih informacija i vremena čekanja, podaci s liste čekanja uključuju identitet pacijenta, demografske čimbenike (npr. spol, rasu, dob) i medicinske karakteristike (npr. krvnu grupu ABO, humane leukocitne antigene (HLA), reaktivne na panelu antitijela (PRA)). Slično tome, za stvaranje baze podataka o preminulim darivateljima, UNOS dobiva informacije o demografiji darivatelja, logistici darivatelja, oporavku i očuvanju te medicinskim karakteristikama darivatelja. u SAD-u su transplantirana ukupno 16 534 bubrega. Unatoč velikoj potražnji i značajnom nedostatku bubrega, otprilike jedan od pet bubrega izvađenih od preminulih donora se odbacuje [2].

Da bismo razumjeli razloge tako visokih stopa odbacivanja, moramo pogledatibubregproces dodjele i ponude. Postoje značajne razlike između živog i umrlog darivateljabubregai između različitih zemalja. Ovdje se fokusiramo na bubrege preminulih donora u SAD-u. Najvažniji kriteriji za dodjelu bubrega preminulog davatelja su (1) medicinska kompatibilnost davatelja i primatelja, (2) logistički čimbenici i (3) položaj bolesnika na listi čekanja (npr. vrijeme čekanja, bodovi). Točnije, u SAD-u, United Network of Organ Sharing (UNOS) upravlja Mrežom za nabavu i transplantaciju organa (OPTN) i odgovorna je za prikupljanje podataka o pacijentima i donatorima. Osim logističkih informacija i vremena čekanja, podaci s liste čekanja uključuju identitet pacijenta, demografske čimbenike (npr. spol, rasu, dob) i medicinske karakteristike (npr. krvnu grupu ABO, humane leukocitne antigene (HLA), reaktivne na panelu antitijela (PRA)). Slično tome, za stvaranje baze podataka o preminulim darivateljima, UNOS dobiva informacije o demografiji darivatelja, logistici darivatelja, oporavku i očuvanju te medicinskim karakteristikama darivatelja.

UNOS koristi centraliziranu računalnu mrežu za povezivanje svih organizacija za nabavu organa (OPO) i transplantacijskih centara. Dodijeliti doniranobubrega, UNOS koristi svoj sustav povezivanja davatelja i primatelja. Svaki put novi umrli darivateljbubregdohvaćen za transplantaciju, UNOS primjenjuje algoritam za usklađivanje, program koji uspoređuje podatke o donorima s podacima o aktivnim pacijentima na listi čekanja. Poredani popis pacijenata generira se korištenjem pravila i politika dodjele bubrega. Čimbenici koji se uzimaju u obzir pri izradi ovog popisa uključuju vrijeme čekanja, kompatibilnost imunološkog sustava darivatelja i primatelja, prihvatljivost prioriteta živih darivatelja, udaljenost od bolnice darivatelja, prednost preživljavanja (podudaranje dugovječnosti darivatelja i primatelja) i pedijatrijski status.

Kompletan proces ponude je složen i ovdje se fokusiramo samo na glavne komponente koje su neophodne za simulacijski model o kojem se raspravlja u ovom radu. Proces počinje s pacijentima navedenim u lokalnim OPO-ima (postoji 58 OPO-a u SAD-u, svaki sa svojim određenim područjem pružanja usluga), koji su medicinski kompatibilni i imaju najveći prioritet na listi čekanja. Ako je lokalna dodjela neuspješna, organ se nudi u regiji (SAD je trenutno podijeljen na 11 transplantacijskih regija) i konačno u cijeloj zemlji. Slike 1a,b prikazuju 11 geografskih regija u SAD-u [3] i geografsku hijerarhiju procesa ponude bubrega. Više pojedinosti o politici nabave i dodjele organa dostupno je u [4]. Jedan od razloga za davanje prioriteta lokalnim pacijentima ububregproces dodjele je smanjiti vrijeme između nabave organa i implantacije. To se vrijeme naziva vrijeme hladne ishemije (CIT) i igra ključnu ulogu u ishodu transplantacije bubrega [5,6].

Slika 2 i tablica 1 prikazuju regionalne varijacije u CIT-u, vremenu čekanja ibubregishoda transplantacije u SAD-u. Postoje značajne varijacije u vremenu čekanja bubrega preminulog davatelja diljem SAD-a. Više čimbenika može utjecati na vrijeme čekanja pacijenta do transplantacije. Osim kliničkih čimbenika pacijenta kao što su krvna grupa i stupanj senzibilizacije koje pokazuje PRA (panel reactive antibody), zemljopis i pacijentovo mjesto stanovanja imaju golem utjecaj na mogućnost pravovremenog pristupa transplantaciji bubrega. Ovo je važno budući da je veća vjerojatnost da će regije s duljim CIT-om imati niže stope preživljenja transplantacije i pacijenata. Točnije, kao što sugeriraju rezultati jednogodišnjih i petogodišnjih stopa preživljenja pacijenata i presatka nakon transplantacije bubrega, regija 9 s najdužim CIT-om među svim regijama ima najnižu jednogodišnju i petogodišnju stopu preživljenja pacijenata i presatka među svih 11 regije. Obično kada CIT dosegne 24 sata, teško je pronaći pacijenta koji bi prihvatio ponuđeni organ. U većini slučajeva bubrezi se odbacuju nakon 48 sati CIT-a. Stoga bi smanjenje CIT-a bubrega kroz upravljačka poboljšanja moglo biti isplativ način za poboljšanje trenutnog sustava transplantacije i ishoda.

Transplantacijski kirurzi i regulatori u SAD-u izrazili su zabrinutost u vezi s visokim uočenimbubregstope odbacivanja unatoč rastućoj listi čekanja, dugom vremenu čekanja i visokoj stopi uklanjanja s liste čekanja. Tablica 2 prikazuje listu čekanja i informacije o transplantaciji za SAD i zemlje Eurotransplanta (ET). Eurotransplant je međunarodna neprofitna organizacija odgovorna za dodjelu i presađivanje organa u Austriji (A), Belgiji (B), Hrvatskoj (HR), Njemačkoj (D), Mađarskoj (H), Luksemburgu (LR), Nizozemskoj (NL) i Sloveniji (SLO). Iako broj doniranihbubregai transplantacija obavljenih 2019. u SAD-u dosegla je najvišu razinu svih vremena, stopa odbačenih bubrega od približno 26 posto (izračunato kao broj preminulih transplantacija bubrega iznad dvostrukog broja preminulih darivatelja) ostaje zabrinjavajuća, u usporedbi s ET-om stopa odbacivanja u zemljama od 20 posto .

Najčešći razlog donorabubregodbijanje i potencijalno odbacivanje predstavljaju zabrinutost za kvalitetu bubrega donora. Podaci pokazuju da bi transplantacijski kirurzi odbili bubrege niske kvalitete za relativno zdravog pacijenta u nadi da će u budućnosti dobiti bolju ponudu [7]. Uz tobubregkvaliteta,bubregna stope prihvaćanja i odbacivanja također može utjecati sam proces dodjele [8]. Dokazi pokazuju da je manje vjerojatno da će bubrezi odbijeni u ranoj fazi procesa kasnije biti prihvaćeni [9]. Još jedna zabrinutost je sve veća averzija prema riziku transplantacijskih centara zbog izvješća specifičnih za programe koja procjenjuju ishode nakon transplantacije. To može pružiti poticaje centrima da zahtijevaju kvalitetnije bubrege. Posljedično, mogli bi odbiti bubrege koji su prikladni za pacijenta, ali to predstavlja rizik negativnog utjecaja na procjenu njihovih ishoda nakon transplantacije [8,10-15].

Još jedan razlog za nedovoljno promatranjebubregkorištenje je geografska razlika u SAD-u u pristupu transplantaciji bubrega. Tablica 3 prikazuje geografske razlike u broju umrlih darivatelja, OPO-a i transplantacijskih centara u 11 regija. Nekoliko država poput Wyominga, Idaha i Montane nemaju centre za transplantaciju unatoč visokoj stopi doniranja organa. Takva varijacija i razlika u OPO-ima i ustanovama za presađivanje organa može dovesti do nepravedne dostupnosti organa, lošeg pristupa skrbi i nepotrebno dugog vremena čekanja za neke pacijente. Jedan od UNOS-ovih pet strateških ciljeva je osigurati jednakost u pristupu transplantacijama i smanjiti zemljopisne razlike [16]. Kako bi se poboljšala mogućnost primanja dobro usklađenog doniranog organa i smanjilo dugo vrijeme čekanja, pacijenti se mogu preseliti u regiju s kraćim vremenima čekanja ili se prijaviti u više centara za transplantaciju, koji se obično nalaze u različitim regijama [17]. UNOS je uspostavio politiku višestrukog popisa koja omogućuje pacijentima da budu uvršteni u više od jednog transplantacijskog centra.

Trenutačno oko 4 posto pacijenata koji čekaju abubregtransplantacije su višestruko popisane, što je najveća stopa među svim organima [18].

Kao i kod svakog upisa na transplantaciju, pacijent mora proći testove za procjenu i pridržavati se propisa transplantacijskog centra, kao što je mogućnost dolaska u transplantacijski centar unutar zadanog vremena. Za uključivanje u više centara, ovaj proces može biti prilično skup jer većina osiguravajućih društava možda neće nadoknaditi troškove dodatnih evaluacija [15,19]. Osim toga, pacijenti koji primaju presađene organe moraju uzimati lijekove za supresiju imunog sustava kao dio skrbi nakon transplantacije kako bi bili sigurni da njihovo tijelo neće odbaciti novi organ [20]. Stoga pacijentica treba saznati može li se skrb nakon transplantacije prebaciti u centar koji je bliže njenom prebivalištu. Bez politika za odgovarajuću financijsku potporu za putne troškove, jasno je da to još uvijek predstavlja problem u smislu jednakosti i poštenja kojim se kreatori politika moraju pozabaviti.

U ovom radu uvodimo stohastički simulacijski model koji se može koristiti za analizu učinaka promjena na sustav dodjele bubrega i proces ponude. Simulacijski model uključuje zdravlje pacijenta, kvalitetu bubrega davatelja predstavljenuBubregIndeks profila davatelja (KDPI) [21], pogoršanje kvalitete bubrega davatelja zbog nakupljanja CIT-a tijekom procesa dodjele, kao i ponuda i potražnja bubrega. Nadalje, model uzima u obzir mogućnost da bubreg donora ne može biti prihvaćen iz drugih razloga (npr. kratkotrajna bolest pacijenta, nedostatni kirurški resursi, rezultat unakrsnog podudaranja). Koristeći parametre modela procijenjene na temelju podataka koje je dostavio UNOS i Znanstveni registar primatelja transplantata (SRTR), primjenjujemo simulacijski model kako bismo istražili sljedeća dva ključna trenda za poboljšanje stope transplantacije bubrega davatelja:

1. Višestruki popis: premještaj u regiju s kraćim vremenom čekanja ili popis čekanja u više regija može pomoći pacijentu povećanjem šanse da ranije primi transplantaciju bubrega. Posljedično, pacijent može poboljšati ishode nakon transplantacije zbog manjeg pogoršanja zdravlja zbog ostanka na dijalizi. Međutim, nije lako razviti strategiju koja će voditi pacijenta u odluci o premještaju ili višestrukom popisu. Odluku formuliramo kao problem maksimiziranja korisnosti pod skupom ograničenja proračuna, udaljenosti i objekata na regionalnoj razini. Ponuda i potražnja uvelike variraju u 11 američkih regija i za različite krvne grupe. Takva varijacija rezultira vrlo različitim vremenima čekanja, što dovodi do različitih očekivanih korisnosti i optimalnih strategija prihvaćanja bubrega (izraženih kao optimalni pragovi kvalitete bubrega). Kako bismo izveli korisnost pacijenta za različite regije, koristimo simulacijski model za dobivanje korisnosti prema individualiziranim optimalnim odlukama o prihvaćanju transplantacije bubrega na temelju zdravstvenog stanja pacijenta te ponude i potražnje za pacijentovu krvnu grupu. Dobivene informacije koristimo za rješavanje problema optimizacije i izvođenje optimalne politike odabira regije.

2. Informacijska tehnologija: Brza i precizna komunikacija između UNOS-a i transplantacijskih centara nužna je kako bi dodjela organa bila učinkovitija, što postaje još kritičnije u slučaju pacijenata s više popisa. UNOS ima za cilj povećati korištenje informacijske tehnologije u dodjeli i presađivanju organa. Implementirali su siguran online sustav koji prikuplja podatke kako bi poboljšao sposobnost transplantacijskog sustava kako bi se poboljšala mogućnost pacijenta da dobije organ koji spašava život. Kako se tehnologija razvijala, UNOS također potiče razvoj i korištenje moderne tehnologije kao što su mobilni uređaji za brže i učinkovitije razmatranje donatorabubregnudi postizanje veće stope iskorištenja bubrega [22]. Na primjer, mobilni uređaji olakšat će prikupljanje ažuriranih podataka o dostupnosti pacijenata za transplantaciju (npr. putem aplikacije). Koristeći ove informacije, OPTN će brže dodijeliti bubreg, smanjujući propadanje i odbacivanje bubrega. U idealnom slučaju savršenih informacija, OPTN bi mogao pronaći prvog pacijenta na listi čekanja koji će odmah prihvatitibubreg, smanjenje PDV-a i odbacivanja na minimum. Predstavljena simulacija procjenjuje učinak realnog slučaja nesavršene razmjene informacija.

   
   

   
   

2. Pregled literature

U ovom odjeljku pregledavamo medicinske i analitičke studije o transplantaciji organa relevantne za ovaj rad. Za medicinske radove uglavnom se usredotočujemo na CIT i vrijeme čekanja na dijalizi kao dva upravljiva neovisna čimbenika rizika koji učinkovito pridonose ishodima transplantacije bubrega. Za analitički odjeljak pregledavamo radove koji spadaju u jedan ili oba od dva istraživačka toka koji se bave donošenjem odluka o prihvaćanju organa preminulih darivatelja i dizajnom procesa dodjele.

2.1. Medicinska literatura

Nekoliko istraživača diljem Sjeverne Amerike, Južne Amerike i Europe proučavalo je povezanost između CIT-a ibubregishodi transplantacije [23,24]. Analiza Nieto-Ríosa i sur. [25] pokazuje da je CIT neovisni čimbenik rizika za odgođenu funkciju presatka (DGF). Točnije, rizik od razvoja DGF-a raste kako CIT prijeđe 18 sati. Međutim, to ne utječe negativno na rezultate akutnog odbacivanja ili jednogodišnjeg gubitka presatka nakon transplantacije.

Francuska studija Debouta i sur. [26] nalazi da se rizik od neuspjeha alografta nakon transplantacije i mortaliteta značajno povećava sa svakim dodatnim satom CIT-a. Sličnu studiju proveli su Valdivia et al. [27] u Andaluziji, Španjolska, potvrđuje da produženi CIT može utjecati na stopu preživljavanja pacijenata i transplantata. Studija sugerira da dugi CIT može povećati rizik od početne loše funkcije presatka bez obzira na dob davatelja i primatelja. Kako se CIT povećava, povećava se i mogućnost DGF-a. Međutim, štetna povezanost produljenog CIT-a s rizikom od DGF-a nije pojačana kod starijih davatelja (npr. prošireni kriteriji, davatelji). Studija pokazuje da je učinak CIT-a na akutno odbacivanje bubrežnog presatka (ARTR) vidljiviji među pacijentima koji su podvrgnutibubregretransplantacija. Analiza također sugerira da su donirani bubrezi s CIT-om od 24 sata ili dulje izloženi većem riziku od ARTR-a u usporedbi s organima s CIT-om manjim od 12 sati. Koizumi i sur. [6] izvješćuju da su u SAD-u uočene regionalne varijacije u ishodima za bubrege, ali glavni razlog tih varijacija nije jasan. Studija otkriva značajne varijacije vremena hladne ishemije (CIT) u različitim regijama za bubrege donora. Konkretno, otkrili su da regije s dužim CIT-om imaju veću vjerojatnost niže stope preživljavanja bubrega nakon transplantacije. Oni sugeriraju da menadžerska poboljšanja mogu biti isplativ izbor za poboljšanje performansi trenutnog sustava transplantacije i potencijalno smanjenje stope odbacivanja organa.

Meier-Kriesche i sur. [28] koriste podatke iz Registra sustava bubrežnih podataka Sjedinjenih Država (USRDS) kako bi razmotrili potencijalnu povezanost između vremena čekanja i ishoda transplantacije bubrega. Njihova studija potvrđuje da je dugo vrijeme čekanja značajan čimbenik rizika koji negativno utječe na preživljenje transplantiranog bubrega. Kao rezultat toga, sugeriraju da što ranije bolesnici s ESRD-om dobiju transplantaciju bubrega, to su veće njihove šanse za dugoročno preživljavanje. Meier-Kriesche i Kaplan [29] istražuju važnost vremena čekanja na dijalizu kao najznačajnijeg neovisnog čimbenika rizika zabubregishodi transplantacije. Kao dio svoje analize, primjenjuju Kaplan-Meierove procjene i Coxove modele proporcionalnih rizika na bazu podataka sustava bubrežnih podataka SAD-a kako bi istražili učinak vremena čekanja na preminulog darivateljabubregrezultate. Njihovi nalazi pokazuju da su petogodišnje i desetogodišnje stope preživljavanja transplantata značajno lošije među primateljima uparenog bubrega koji su čekali više od dvije godine na dijalizi u usporedbi s uparenim primateljima bubrega.bubregprimatelji s čekanjem kraćim od pola godine.

2.2. Analitička literatura

Analitička literatura usredotočuje se na dizajnbubregproces dodjele i često koristi simulacijske modele. Pitanja o kojima se raspravlja su učinkovitost i pravičnost procesa dodjele i učinak odluke o prihvaćanju bubrega.

Za analizu procesa dodjele korištenog 2000. godine, Zenios et al. [30] predlažu dinamičku raspodjelu resursa koja maksimizira očekivani životni vijek pacijenta od primanja transplantacije bubrega, a istovremeno smanjuje nejednakost među pacijentima. Konstruirani simulacijski model pokazuje da trenutno primijenjena politika raspodjele organa produljuje životni vijek pacijenta prilagođen kvaliteti i smanjuje očekivano vrijeme čekanja.

Thebubregodluka o prihvaćanju ključna je za cijeli tok istraživanja. Ahn i Hornberger [31] razvijaju teorijski model koji uzima u obzir zdravlje pacijenta pri donošenju odluke o prihvaćanju/odbijanju u vezi s kvalitetom ponuđenih bubrega. Njihova analiza otkriva da si relativno zdrav pacijent može priuštiti da bude selektivan u pogledu kvalitete darivateljabubregai očekuju bolji ishod nakon transplantacije prihvaćanjem visokokvalitetnog bubrega. Učinak pacijentova izbora na sustav raspodjele organa proučavaju Su i Zenios [32]. Studija uvodi model čekanja koji analizira učinke izbora pacijenta na stope odbacivanja bubrega ocjenjujući izvedbu sustava čekanja pod objema politikama prvi-kom-prvi-uslužen (FCFS) i zadnji-došao-prvi-uslužen (LCFS). Zaključuju da je LCFS učinkovitiji od FCFS-a. Zapravo, za razliku od LCFS-a, FCFS politika potiče pacijente da odbiju bubrege niske kvalitete, što rezultira slabom iskorištenošću bubrega. S druge strane, model pokazuje da LCFS politika postiže optimalno korištenje organa. U drugoj studiji, Su i Zenios [33] istražuju ulogu pacijentovog izbora u dodjeli bubrega koristeći model sekvencijalnog stohastičkog dodjeljivanja. Model se bavi sukobom između pacijentovog izbora i socijalne skrbi. Analiza razmatra dvije sheme, pri čemu prva pretpostavlja da pacijenti moraju prihvatiti bilo koji ponuđeni bubreg. Prvo-najbolje rješenje je pronaći politiku raspodjele koja maksimizira društvenu dobrobit. Uvođenjem izbora pacijenta, prva najbolja politika je modificirana kako bi se postigla druga najbolja politika. Kao rezultat toga, uvodi se uvjet kompatibilnosti poticaja, koji prisiljava politiku dodjele da bude dizajnirana na takav način da se osigura da će pacijenti prihvatiti svaku ponudu bubrega. Su i Zenios [34] uvode model dizajna mehanizma za dodjelu organa koji uzima u obzir izbor pacijenta. Pacijenti navode tipove bubrega (npr. kvalitetu) koje žele primiti nakon upisivanja na listu čekanja za transplantaciju bubrega (ne u trenutku ponude donorskog bubrega) i pridružuju se redu koji opslužuje navedeni tip bubrega. Na taj način model smanjuje dug proces traženja identificirajući odgovarajuće pacijente koji žele učinkovitije prihvatiti preuzete bubrege donora.

Poštenje i jednakost važne su teme Bertsimas et al. [35] proučavaju geografske razlike u pristupu preminulom darivateljububrega. Oni koriste aproksimaciju tekućine za model čekanja kako bi formulirali optimalan način da pacijent bude uvršten na liste čekanja u više centara za transplantaciju. Cilj pacijenta je maksimalizirati očekivani životni vijek uz smanjenje troškova zagušenja. Kombinacijom analitičkih, simulacijskih i numeričkih rezultata, oni pokazuju da višestruki popis uvelike promiče zemljopisnu pravednost i povećava donatorabubregOpskrba. Imati više donora dovodi do veće stope transplantacija i smanjuje stopu smrtnosti pacijenata na listi čekanja. Nekoliko je studija [36-38] razvilo modele koji omogućuju nekompatibilnom paru davatelj-primatelj da ipak dobije bubreg živog davatelja putem razmjene s drugim nekompatibilnim parovima davatelj-primatelj. Dok većina postojećih modela ima za cilj maksimiziranje ukupnog broja mogućih razmjena bubrega i socijalne skrbi, oni ne uzimaju u obzir komponentu pravednosti definiranu kao zadovoljstvo davatelja i primatelja. Lee i sur. [39] predstavljaju dvostupanjski model stohastičkog programiranja koji uzima u obzir pravednost u programima zamjene bubrega živih darivatelja. Studija ispituje više scenarija kako bi istražila učinak pravednosti na ishode bubrežne razmjene. Numerički rezultati pokazuju poboljšanje ishoda programa razmjene živih darivatelja kada se uzme u obzir pravednost pri spajanju nekompatibilnih parova. Imajte na umu da neke studije o kojima se ovdje raspravlja razmatraju utjecaj poštenja na transplantaciju bubrega živima; međutim, usredotočeni smo samo na transplantacije pomoću bubrega preminulih donora.

Simulacije prikazane u literaturi koriste snažne pretpostavke. Na primjer, Su i Zenios [33] pretpostavljaju da pacijenti moraju prihvatiti sve ponuđenobubreg, ili [34] pacijenti ne mogu promijeniti početno odabranu kvalitetu bubrega. Osim toga, većina simulacija obično se fokusira na jednu varijablu. Na primjer, studija Ruth i sur. [40] fokusira se na duljinu liste čekanja. Studija predlaže simulacijski model za proces dodjele organa i otkriva da će pod uvjetima dodjele organa iz 1985. duljina liste čekanja nastaviti rasti. Simulacijski model koji predstavljamo u ovom radu daje detaljniju sliku uzimajući u obzir učinak pacijentovih odluka, ponudu i potražnju u različitim regijama, učinkovitost procesa raspodjele i očekivani učinak korisnosti nakon transplantacije.

cistanche bodybuilding

3. Opis modela

U sljedećim odjeljcima detaljno raspravljamo o glavnim komponentama simulacijskih i optimizacijskih modela. Simulacijski modeli uključuju pacijenta (potreba organa), preminulog davateljabubregadolazak (opskrba organa), proces uzastopne ponude bubrega preminulog darivatelja kako bi se pronašao optimalni prag kvalitete bubrega i očekivana korisnost nakon transplantacije za pacijenta s određenom zdravstvenom razinom. Zatim koristimo izlaz simulacijskog modela kao koeficijente funkcije cilja optimizacijskog modela kako bismo preporučili politiku višestrukog popisa i predložili skup regija koje pacijent može izabrati.

3.1. Simulacijski model

Razvijamo simulacijski model koji pacijentu omogućuje prepoznavanje optimalnogbubregprag kvalitete koji maksimizira njezinu korisnost nakon transplantacije. Parametri modela ovise o ponudi i potražnji regije pacijenata. Mi simuliramobubregstrategiju prihvaćanja i rezultirajuću korisnost nakon transplantacije koja odgovara svakoj transplantaciji. Slika 3 ilustrira proces simulacije. O ključnim komponentama raspravljamo u sljedećim odjeljcima.

3.1.1. Potražnja organa

Potražnja je predstavljena pacijentima na listi čekanja. Pacijente dijelimo u nekoliko skupina natjecateljskih pacijenata koji mogu primiti istu vrstu organa preminulog darivatelja ovisno o krvnim grupama i drugim kliničkim kriterijima. Svaku skupinu modeliramo posebno. Razmotrit ćemo interakciju među skupinama (npr. neki pacijenti s krvnom grupom AB mogu dobiti organe od darivatelja s bilo kojom krvnom grupom) prilagođavanjem opskrbe organa pojedinačnim skupinama.

Svaka konkurentna skupina pacijenata modelirana je redom koji se odnosi na krvnu grupu j gdje je j ∈ {A, B, AB, O}. Pacijenti se mogu pridružiti svom odgovarajućem redu čekanja (npr. na temelju krvne grupe) sa stopom λj i dobiti usluge kompatibilnih darivatelja. Kompatibilanbubregastići na red čekanja za krvnu grupu j sa stopom µi. Na primjer, za krvnu grupu A red, kompatibilanbubregasu tipova A i O. Pacijenti odlaze s liste čekanja j sa stopom transplantacije ηi kada (1) prihvate ponuđeni bubreg ili (2) sa stopom θi postanu previše bolesni za transplantaciju ili umru na listi čekanja . Struktura modela čekanja prikazana je na slici 4.

Nakon studije u [34], pacijenti s krvnom grupom j dolaze na listu čekanja prema Poissonovom procesu sa stopom dolaska od λj. Pacijenti se pridružuju listi čekanja u modelu s nevidljivim početnim zdravstvenim statusom h0 koji predstavlja preostalo vrijeme koje mogu preživjeti na dijalizi kada se pridruže. Modeliramo distribuciju h0 u populaciji pacijenata pomoću Weibullove distribucije. Weibullova distribucija često se koristi u analizi preživljavanja za predstavljanje vremena do kvara budući da može izraziti stope kvara koje se smanjuju, konstantne su ili rastu tijekom vremena. Zdravlje simuliranog pacijenta, h0, tada je realizacija slučajne varijable H0 ∼ Weibull(a, b), gdje su a i b parametri razmjera i oblika. Pacijenti odlaze s liste čekanja ako (1) prime transplantaciju ili (2) napuste red čekanja zbog lošeg zdravstvenog stanja (ili smrti). Budući da je h0 vrijeme koje pacijentica može preživjeti na dijalizi kada se pridruži listi čekanja (tj. indeks pokazuje da je do sada čekala nula godina), stvarno zdravlje nakon čekanja w godina je hw {{1{{ 11}}}} h0 − w što znači da će pacijent napustiti listu čekanja najkasnije kada w=h0.

3.1.2. Opskrba orgulja

Sljedeći [34], kompatibilni preminuli darivateljbubregadolaze na red za krvnu grupu j prema nezavisnom homogenom Poissonovom procesu sa stopom dolaska µj. OPTN definiran abubregmetrika kvalitete nazvana Indeks profila davatelja bubrega (KDPI) koja uključuje deset kliničkih čimbenika davatelja za rangiranje bubrega prema procijenjenom preživljenju bubrega nakon transplantacije [41]. KDPI uzima u obzir sljedeće karakteristike donora: dob, visinu, težinu, etničku pripadnost, je li donor umro zbog gubitka funkcije srca ili mozga, moždani udar kao uzrok smrti, povijest visokog krvnog tlaka, povijest dijabetesa, izloženost virus hepatitisa C, serumski kreatinin (mjera funkcije bubrega). Po konstrukciji, KDPI je skoro ravnomjerno raspoređen na sve bubrege ubrane u određenoj godini. Slijedeći KDPI, modeliramo kvalitetu pristiglog bubrega donora prikazanog s q0 kao realizaciju slučajne varijable Q ∼ Unif(0, 1). Koristimo 0 za predstavljanje najniže i 1 najviše kvalitete bubrega, tj. q0=1 − KDPI. Kada novi bubreg davatelja postane dostupan u simulaciji, tada se bubreg istovremeno nudi grupi od g pacijenata s određenim vremenskim okvirom za razmatranje ponude i donošenje odluke o prihvaćanju/odbijanju. Ako nitko u skupini od g pacijenata ne može prihvatiti bubreg nakon dodijeljenog vremena, tada se bubreg nudi sljedećoj skupini od g pacijenata na listi čekanja. Proces dodjele se nastavlja sve dok pacijent ne prihvati organ ili ga ne odbaci (zbog neuspješne pretrage ili postavljanja organa). Za trenutačni nedostatak bubrega donora imamo µj < λj,="" tj.="" bubrezi="" stižu="" manjom="" stopom="" nego="" novi="" pacijenti.="" uklanjanje="" pacijenta="" zbog="" zdravlja="" ili="" smrti="" zadržava="" red="" čekanja="" na="" konačnoj="" veličini.="" dulje="" liste="" čekanja="" rezultiraju="" duljim="" čekanjem="" i="" većim="" pogoršanjem="" zdravlja="" pacijenata.="" zauzvrat,="" to="" povećava="" stopu="" uklanjanja="" (pacijenti="" odlaze="" bez="" transplantacije).="" duljina="" čekanja="" stabilizira="" se="" na="" ravnoteži="" u="" kojoj="" stopa="" transplantacije="" plus="" stopa="" uklanjanja="" pacijenata="" odgovara="" stopi="" dolaska="">

3.1.3. Odluka o prihvaćanju/odbacivanju bubrega

Tijekom vremena, kao proces donorabubregnuđenje se nastavlja, bubreg nakuplja CIT i njegova kvaliteta se pogoršava. Ovo pogoršanje modeliramo kao qt {{0}} f(q0, δ, t). U ovoj jednadžbi, t ​​predstavlja akumulirani CIT, a q0 predstavlja kvalitetu bubrega u vrijeme oporavka kada je t=0. Varijabla δ predstavlja faktor pogoršanja kvalitete bubrega. Zahtijevamo da funkcija kvalitete f opada u δ i t, tj. ∂ f(q0,δ,t)∂δ < 0="" i="" ∂="" f="" (q0,δ,t)="" ∂t="">< 0.="" u="" simulacijskom="" modelu="" vrijeme="" mjerimo="" kao="" višekratnike="" vremena="" dopuštenog="" za="" jednu="" rundu="" ponuda.="" ako="" pacijenti="" imaju="" jedan="" sat="" za="" odluku,="" tada="" t="" predstavlja="" akumulirani="" grad="" u="" satima.="" modeliramo="" bubreg="" prihvaćanje/odbijanje="" odluke="" pacijenta="" i="" kasniju="" transplantaciju="" u="" dva="" koraka.="" prvo,="" pacijent="" koristi="" strategiju="" praga="" kako="" bi="" odlučio="" je="" li="">bubregje prihvatljivo. Pacijent bi prihvatio ponudu ako je qt veće ili jednako k, gdje je k prag kvalitete bubrega o kojem odlučuju pacijent i kirurg. Za prihvatljive bubrege uzimamo u obzir nekoliko čimbenika povezanih sa zdravljem pacijenta i centrom za transplantaciju. U simulacijskom modelu koristimo vjerojatnost da će transplantacija biti izvedena uz prihvatljivi bubreg ponuđen kao

gdje p (faktori pacijenta) predstavlja pacijentovu specifičnu medicinsku situaciju i svaku činjenicu za koju se pacijent ili kirurg mogu odlučiti protivbubregiz razloga koji se ne mogu objasniti isključivo kvalitetom bubrega (npr. pacijent je privremeno neaktivan na listi čekanja, nepovoljan rezultat unakrsnog podudaranja). Vjerojatnost p (faktori središta) predstavlja spremnost transplantacijskog centra (npr. dostupnost osoblja, operacijskih dvorana itd.), kao i razmatranja utjecaja transplantacije na procjenu učinkovitosti centra. Pacijentica odabire svoj prag odluke k u dogovoru s kirurgom. Na takav će prag utjecati zdravstveno stanje pacijenta h0 budući da će pacijent kojem je preostalo više vremena na dijalizi čekati kvalitetniji bubreg. Ovaj odnos modeliramo u simulaciji odabirom za svakog pacijenta između slučajne varijable K ∼ Unif(0,1) koja je u korelaciji s pacijentovim'sh0 predstavljenim Spearmanovim koeficijentom korelacije ranga ρH 0, K.

3.1.4. Korisnost pacijenta nakon transplantacije

Ako bolesnik prihvati umrlog darivateljabubregako dođe do ponude i transplantacije, pacijent dobiva korist nakon transplantacije. Korisnost nakon transplantacije ovisi o kvaliteti bubrega u vrijeme transplantacije qt i pacijentovom vremenu čekanja w što rezultira zdravstvenim statusom hw=h0 − w. Korisnost nakon transplantacije može se podijeliti u dvije komponente

gdje B(·) predstavlja korist za pacijenta ovisno obubregkvalitete, a D(·) računa za pogoršanje stanja bolesnika na listi čekanja. Razbijanje uslužnog programa na ove dvije komponente ima prednosti za procjenu parametara iz podataka. Funkcija B(·) može se promatrati kao korist za pacijenticu ako bi dobila bubreg s kvalitetom qt bez čekanja. Funkcija koristi mora zadovoljiti da se povećava sa zdravljem pacijenta h{{0}} i kvalitetom bubrega, tj. ∂B(∂hh00, qt) > 0 i ∂ B(∂hq0t, qt) > 0. D(·) predstavlja trošak u obliku faktora pogoršanja zbog čekanja w na bubreg. Troškovna funkcija treba rasti kako se vrijeme čekanja povećava i smanjuje sa zdravljem pacijenta., tj. Uobičajeni način za definiranje funkcija kao što je B(·) je u obliku logističke regresije za preživljavanje koju je predložio Cox [42] koja modelira uvjetne izglede za umiranje u bilo kojoj vremenskoj točki s obzirom na preživljavanje do te točke kao na

gdje m(h{{0}}) označava ishod transplantacije za pacijenta sa zdravstvenom razinom h0 koji je odmah primio savršen bubreg (qt=1) (w {{3 }}). Naravno, m(h0) raste s pacijentovim zdravljem h0. Koristimo za D(·) funkcional iz

gdje kontrolira brzinu propadanja. Faktor pogoršanja jednak je jedan (tj. nema pogoršanja) kada je vrijeme čekanja nula (w {{0}}). Ako pacijent čeka na vrlo kvalitetan bubreg i istekne vrijeme (tj. w=h0), tada faktor pogoršanja postaje nula. Odabrani funkcionalni oblik je vrlo fleksibilan i može izraziti linearno pogoršanje ( {{ 4}}), usporavanje propadanja (> 1) i povećanje propadanja ( < 1).="" procjenom="" parametara="" iz="" podataka="" i="" korištenjem="" optimizacije="" simulacije,="" možemo="" pronaći="" optimalno="" za="" svakog="">bubregprag kvalitete k∗koji maksimizira korisnost nakon transplantacije.

3.2. Odabir regije i model optimizacije višestrukih unosa

Pacijent može poboljšati svoje šanse za transplantaciju preseljenjem u drugu regiju (odabir regije) ili upisom u transplantacijske centre u više regija. Kako bismo pomogli pacijentu da identificira skup regija za višestruko uključivanje, koristimo simulacijski model za izračun optimalnog graničnog parametra politike k∗i i maksimalne očekivane korisnosti koju će pacijent vjerojatno dobiti od transplantacije u svakoj regiji. Ovo je predstavljeno s 11 vrijednostima korisnosti Ui(k∗i , h0, w), i ∈ 1, 2, . . . , 11. Radi jednostavnosti, pišemo Ui(k∗i) da predstavlja očekivanu korisnost nakon transplantacije za pacijenta sa zadanim h0 i w. Odabir regije sada se vrši odabirom regije s najvećom korisnošću.

Za višestruko uvrštavanje, predstavljamo radnju uvrštavanja u regiju i binarnom varijablom odluke

Pacijent ima 11 varijabli odluke, po jednu za svaku regiju. Pretpostavljamo da će pacijentica htjeti povećati svoje šanse uvrštavanjem u najbolje regije s najvećom očekivanom korisnošću s obzirom na niz ograničenja. Ovo se može formulirati kao sljedeći problem optimizacije.

Zbrajanje regionalnih komunalnih usluga osigurava da su regije s najvećim komunalnim uslugama uključene u rješenje. Prvo ograničenje osigurava da rješenje zadovoljava ukupni proračun C danog pacijenta. Drugo ograničenje uzima u obzir maksimalnu udaljenost koju pacijent može prijeći kako bi na vrijeme stigao do transplantacijskog centra. Treće ograničenje razmatra očekivanja pacijenta o izvedbi regije P, i konačno, posljednje ograničenje ograničava da rito bude 0 ili 1. Budući da je broj regija mali, sa samo 11, ovaj se problem može riješiti nabrajanjem.

4. Primjene i numerički rezultati

Ovaj odjeljak započinjemo procjenom parametara potrebnih za simulacijski model, a zatim predstavljamo kako se model može koristiti za dvije primjene. Prva primjena ilustrira kako model može pružiti stratešku smjernicu za podršku pacijentovom izboru za preseljenje u drugu regiju ili upis u više regija.

Druga aplikacija analizira potencijalne prednosti korištenja suvremene tehnologije dijeljenja informacija (npr. putem aplikacija za pametne telefone) za poboljšanje socijalne skrbi povećanjem korisnosti pacijenata nakon transplantacije ibubregstope iskorištenja.

cistanche bodybuilding

4.1. Procjena parametara

Koristimo podatke iz UNOS-a i SRTR-a za procjenu parametara modela. Izdvajamo UNOS podatke za 2019. kako bismo procijenili dodatke na listi čekanja i donatorebubregOpskrba. Za izračun vremena čekanja koristimo vrijednosti koje je prijavio SRTR. Sustav podataka SRTR sadrži detaljne medicinske i demografske podatke za sve donore, pacijente na listama čekanja i primatelje transplantacije u SAD-u. Korišteni skup podataka sastoji se od više od 400000 pacijenata koji su prvi put primali transplantaciju bubrega od umrlog darivatelja između listopada 1987. i kraja 2019.

Godišnja izvješća SRTR-a i UNOS-a pružaju informacije o dolasku organa i aktivnostima na listi čekanja (npr. statistika dodavanja i uklanjanja pacijenata). Te podatke koristimo za procjenu λj i µjin za svako razdoblje.

Važan čimbenik za procjenu stope dolaska bubrega u red čekanja za krvnu grupu j je kompatibilnost krvnih grupa između pacijenata i darivatelja. Prema kriterijima kompatibilnosti krvnih grupa darivatelji krvne grupe O univerzalni su darivatelji čiji se bubrežni organi mogu ponuditi bolesnicima svih krvnih grupa. S druge strane, darivatelji s krvnom grupom AB mogu svoje bubrege donirati samo pacijentima s krvnom grupom AB, dok su univerzalni primatelji iz svih krvnih grupa. Tablica 4 detaljno prikazuje kompatibilnost krvnih grupa za transplantaciju bubrega. Ovaj rad prikazuje samo rezultate za krvnu grupu A. Rezultati za druge krvne grupe mogu se dobiti na sličan način. Tablica 5 prikazuje dolaske darivatelja i bolesnika za krvnu grupu A.

Na temelju podataka SRTR krvne grupe A pacijenti dobivaju u prosjeku 94 posto, odnosno 6 posto organa od darivatelja krvne grupe A, odnosno O, što se odražava nabubregparametar opskrbe µj u tablici 5. Slijedeći trenutnu shemu ponude koju koristi OPTN u SAD-u, u našem simulacijskom modelu koristimo veličinu grupe pacijenata od g=5. Postavili smo stopu razgradnje bubrega δ na 5 posto prema izvješćima da se organi rijetko koriste nakon CIT-a od 48 sati [6]. Na δ=0.05, kvaliteta bubrega se pogoršava na (1 − 0.05) {{10}}.5 postotka svoje početne kvalitete nakon 48 h. Na temelju razgovora s medicinskim suradnikom koristimo vjerojatnost transplantacije p(transplant)=0.8 za sve regije. Vjerojatnost za svaku regiju također se može procijeniti iz podataka, ali informacije o odbijanju ponuda bubrega trenutno nam nisu dostupne. Parametri , , i za funkciju koristi B(h0, qt) i faktor troška C(h{{30}}, w) mogu se procijeniti ako podaci o ishodu uključujući post - dostupno je preživljavanje transplantacije. Međutim, budući da naš skup podataka ne uključuje te podatke, koristimo=0.4,=8 i=0.5 u našoj simulaciji. Dodajemo pacijente na listu čekanja sa zdravstvenim stanjem h0 izvučenim iz slučajne varijable H0 s Weibullovom distribucijom. Koristimo parametar skale a=8 i parametar oblika b=2 da bismo dobili prosječno zdravlje od blizu 7 godina i oko 90 posto populacije ispod 12 godina. Koristimo Spearmanovu korelaciju ranga ρ(H0, K) od 0,2, blisku korelaciji između prihvaćene kvalitete bubrega i zdravlja pacijenta promatranog u podacima.

4.2. Odabir regije i višestruki popis

Kako bismo ilustrirali pristup odabiru regije, izvješćujemo o rezultatima za ciljnog pacijenta s krvnom grupom A, jednu godinu života na dijalizi (h0=1) koji je trenutačno na poziciji 100 liste čekanja. Ispunjavamo listu čekanja nasumično generiranim pacijentima (čije je zdravlje izvučeno iz Weibullove distribucije s koreliranim pragom politike). Izvodimo istu simulaciju 100 puta svaku za vrijednosti praga odluke k ∈ {0, 0.1, 0.2, · · ·, 0.9} i izračunavamo prosjek rezultata 100 pokretanja kako bismo procijenili očekivanu korisnost za svaki prag.

Tablica 6 prikazuje rezultate za optimalni prag, k∗i, što rezultira najvećom očekivanom korisnošću nakon transplantacije, Ui(k∗i), za svaku regiju. ThebubregStopa dolaska na red (krvna grupa A pacijenata na listi čekanja) godišnje je µA, a qt je prosječna kvaliteta presađenog bubrega. Na primjer, ako je ciljni pacijent upisan u regiju 6, prag od k=0.65 je optimalan, što dovodi do korisnosti od 9,6 godina. Nasuprot tome, ako je uvrštena u regiju 2, optimalna odluka može biti čak 0.85 s korisnošću od 13.22 godine.

Tablica 7 predstavlja procijenjene podatke koje smo upotrijebili u našem modelu optimizacije za pronalaženje skupa izvedivih regija za pacijenta krvne grupe A za kojeg se pretpostavlja da trenutno živi i nalazi se u regiji 6. Koristimo UNOS skup podataka za procjenu očekivanog vremena čekanja i { {2}}godišnja stopa preživljavanja za takve pacijente u svih 11 regija. U svakoj regiji odabiremo veći grad i procjenjujemo odgovarajuće mjesečne troškove života koristeći indeks gradskih troškova života. Trošak evaluacije definiran je kao umnožak ukupnog očekivanog broja evaluacija dobubregtransplantacija i trošak po procjeni. Očekivani broj evaluacija procjenjuje se na temelju 6-mjesečne politike ponovne evaluacije koju nalaže većina transplantacijskih centara. Općenito, pacijentica je odgovorna za plaćanje troškova periodične procjene ako želi biti upisana u više od jedne regije budući da većina polica osiguranja pokriva troškove periodične procjene samo jedne registracije. Ukupni trošak izračunava se na sljedeći način: ukupan iznos novca koji pacijent mora platiti (broj evaluacija pomnožen s cijenom evaluacije) plus trošak putovanja i boravka u drugoj regiji tijekom tri dana.

Kao primjer, ovdje pretpostavljamo da pacijent ima budžet od C=$15,000. Također može putovati do D=1500 milja, a njezino minimalno očekivanje od uspješnosti regije je 75 posto petogodišnjeg preživljavanja. S namjerom da maksimizira svoj ishod nakon transplantacije pod ova tri ograničenja, naš model otkriva da osim matične regije 6, pacijentica također može biti uvrštena u regije 5, 4 ili 8, pri čemu regija 5 pruža najveću očekivanu korisnost. OPTN je predan osiguravanju jednakosti u pristupu transplantacijama i smanjenju geografskih razlika [16]. Pod besplatnim višestrukim popisom, pacijenti imaju poticaj da se upišu u što više regija, s obzirom na njihova proračunska ograničenja. To znači da na pristup transplantaciji utječu pacijentova financijska sredstva, što može predstavljati problem u smislu jednakosti i pravednosti. Međutim, dugoročno gledano, slobodan odabir regije i višestruki oglasi mogu smanjiti geografske razlike. Više pacijenata prijavit će se u regije koje trenutno nude veću korisnost, izravnavajući razlike u potražnji i smanjujući jaz u korisnosti. U tom trenutku će se smanjiti prednost većeg proračuna za uključivanje u više regija, što će dovesti do pravednije situacije. Kratkoročno, pravičnost treba privremeno osigurati odgovarajućim politikama kako bi višestruki oglasi bili dostupni većem broju pacijenata.

4.3. Učinak dijeljenja informacija na učinkovitost raspodjele

Jedna od inicijativa u Strateškom planu OPTN-a (2018. – 2021.) [16] pod ciljem povećanja broja transplantacija je potraga za sustavnim alatima za učinkovitije podudaranje davatelja i primatelja. Takvi alati uključuju alate za razmjenu informacija, što znači da transplantacijski centar i pacijent dijele ažurirane informacije s OPTN-om, što ima potencijal ubrzatibubregproces dodjele i time smanjiti vrijeme hladne ishemije (CIT) i stopu odbacivanja bubrega.

Informacije koje se mogu dijeliti uključuju:

1. Pacijentov prag prihvaćanja k: Svaki pacijent prijavljuje svojububregprag prihvatljivosti kvalitete k koji određuju ona i njezin liječnik.

2. Svi dodatni kriteriji za odlučivanje koje koristi pacijent: Na odluke pacijenta i kirurga mogu utjecati podaci koji nisu uključeni ububregprocjena kvalitete (KDPI). Postojanje više standardiziranih parametara kvalitete, gdje pacijentica može precizirati što prihvaća, poboljšalo bi sebubregdodjela. Uz potpunu informaciju, OPTN je mogao trenutno identificirati pacijente koji bi prihvatili bubreg i uštedjeli vrijedan CIT.

3. Trenutačna dostupnost pacijenta: Ažurirana indikacija može li pacijent trenutno primiti transplantaciju. Čimbenici uključuju trenutno zdravlje i putovanja.

4. Dostupnost transplantacijskog centra: Razmatra dostupnost transplantacijskog centra - postoje objekti kao što su pripremljene operacijske dvorane, kirurzi, medicinske sestre i osoblje za izvođenje operacije na vrijeme.

Pod savršenim informacijama, OPTN bi imao pristup ažuriranim informacijama o pragovima prihvatljivosti svih pacijenata k, svim dodatnim zahtjevima za organ te jesu li pacijent i centar dostupni. Stoga bi OPTN mogao izravno identificirati prvog pacijenta na listi čekanja koji će prihvatiti i primiti transplantaciju. To će učinkovito smanjiti CIT, tj. t, na minimum potreban za vađenje organa i provedbu transplantacije. U simulacijskom modelu, savršena informacija može se izraziti postavljanjem g na duljinu liste čekanja, što pokazuje da se cijela lista čekanja trenutačno traži odgovarajući pacijent. Pretpostavka savršene informacije je nerealna iz mnogo razloga. Na primjer, tehnički problemi mogu utjecati na dostupnost informacija, a pacijenti ili centri možda neće stalno ažurirati sve informacije. Realističnija postavka je poboljšana, ali još uvijek nesavršena razmjena informacija. Više informacija znači da se pacijenti mogu brže identificirati korištenjem zajedničkih informacija. Tu činjenicu izražavamo u simulacijskom modelu povećanim brojem pacijenata koji se mogu pretražiti po satu (tj. povećanjem g).

Kako bismo ilustrirali učinak poboljšane razmjene informacija, izvješćujemo o rezultatima za pacijente krvne grupe A u regiji 6. Inicijaliziramo listu čekanja s 1000 pacijenata i izvodimo simulaciju dok se duljina liste čekanja ne stabilizira na oko 1800 pacijenata (200 mjeseci). Izvještavamo rezultate nakon ovog razdoblja zagrijavanja u prosjeku tijekom 300 mjeseci. Osnovna linija je trenutno korištena veličina grupe od g=5. Mi mijenjamo g kako bismo predstavili različite razine dijeljenja informacija.

Tablica 8 prikazuje utjecaj razmjene informacija izražen koliko se pacijenata na listi čekanja može učinkovito uzeti u obzir po satu. Na početnoj veličini grupe od pet, prihvaćena prosječna kvaliteta bubrega je 0.66, što dovodi do prosječne korisnosti od 10.76 godina po transplantiranom pacijentu. Bubreg može putovati čak do 45 pacijenata na listi čekanja, a prihvati ga u prosjeku šesti pacijent. Tablica 9 prikazuje iskorištenost bubrega i stope smrtnosti na listi čekanja, uz stopu transplantacije. Stopa iskorištenja bubrega značajno se povećava kako g raste.

Kao što slika 5 pokazuje, poboljšanje ububregstopa transplantacije je 17 posto za udvostručenje brzine procesa ponude g=10, a doseže 47 posto kada su dostupne savršene informacije. S druge strane, stopa smrtnosti na listi čekanja smanjuje se za 7 posto kada je g=10, a smanjenje može biti čak 21 posto. Simulacija ilustrira učinak na učinkovitost koju dijeljenje informacija može donijeti procesu dodjele.

Dijeljenje informacija može se implementirati na mnogo načina, korištenjem trenutne tehnologije. Primjeri uključuju korištenje aplikacija i medicinskih nosivih uređaja za praćenje dostupnosti pacijenta u stvarnom vremenu. Standardizirana sučelja između informacijskog sustava transplantacijskih centara i OPTN-a mogu se koristiti za upravljanje dostupnošću centra. Za uvođenje ovih tehnologija trebat će vremena, ali rezultati predstavljeni u ovoj simulacijskoj studiji pokazuju da je potencijalna dobit značajna s potencijalom smanjenjabubregstope odbacivanja svesti na minimum.

5. Zaključne napomene

Prvi doprinos ovog istraživanja je razvoj simulacijskog modela koji daje optimalnog preminulog darivateljabubregsmjernice za prihvaćanje za donositelje odluka (pacijenti i kirurzi). Glavni izazov modeliranja prihvaćanja/odbacivanja organa je uključivanje uvjeta i situacija iz stvarnog svijeta kako bi se donijela ključna odluka koja spašava život. Iz tog razloga, naša je primarna namjera kao glavna novina ovog rada prepoznati, agregirati i implementirati različite bitne elemente koji doprinose kriterijima odabira bubrega. Predloženi model dopušta raznolikost u zdravlju pacijenata ibubregkvaliteta, kao i njihova povezanost. Štoviše, uključujemo pogoršanje kvalitete bubrega uzrokovano nakupljanjem CIT-a tijekom procesa dodjele. Uz sve prethodno navedene elemente, također uključujemo zdravlje i dostupnost pacijenata zajedno s ljudskim resursima i resursima ustanove kako bismo predložili optimalno rješenje transplantacije.

Predloženi model može se koristiti za istraživanje kako različiti politički izbori mogu utjecati na strateške ciljeve koje navodi OTPN [16]. To smo ilustrirali s dvije aplikacije. Prvo smo pokazali kako se model može primijeniti na informiranje pacijenata o odlukama o višestrukom uključivanju s obzirom na ograničenja cijene, udaljenosti i kvalitete skrbi. Dok višestruki popis u kratkom roku može predstavljati izazov za jednakost između pacijenata na temelju financijskih sredstava, ima potencijal izjednačiti geografske razlike u pristupu transplantacijama i tako povećati pravednost.

Druga ilustracija skreće pozornost na aspekt socijalne skrbibubregtransplantacije, a ne fokusiranja na pronalaženje optimalnog rješenja kao što je razmatrano u prvoj prijavi. Uspoređujemo rezultate socijalne skrbi (tj. iskorištenost bubrega donora i korisnost nakon transplantacije u cijelom sustavu) za nekoliko razina dostupnih informacija, u rasponu od bez informacija do savršenih informacija. Povećani broj informacija dovodi do brže dodjele bubrega i smanjene stope odbacivanja bubrega. Povećanje stope transplantacije poboljšava korisnost socijalne skrbi i smanjuje duljinu transplantacijebubreglista čekanja za transplantaciju, vrijeme i stopa smrtnosti. Kreatori politike mogu upotrijebiti ove rezultate kako bi motivirali vrijednost moderne informacijske tehnologije za prikupljanje potrebnih informacija i pokazali važnost osmišljavanja struktura poticaja koje potiču pravovremenu razmjenu informacija od strane pacijenata i centara. Na primjer, dizajniranje aplikacije za transplantaciju organa za pametni telefon može pružiti siguran, jednostavan i brz način podnošenja i ažuriranja potrebnih informacija na vrijeme. Kreator politike može htjeti uspostaviti temeljno pravilo kojeg se moraju pridržavati svi pacijenti i transplantacijski centri da bi dobili ponude. Na primjer, korištenjem obvezne tehnologije i usluge aplikacije, transplantacijski centri mogu redovito revidirati ili verificirati svoje podnesene podatke (npr. svaki dan) nakon što pacijentovo mjesto na listi čekanja prijeđe određeni prag. Predloženi model je jednostavan i dovoljno fleksibilan da se može lako prilagoditi za istraživanje mnogih drugih aspekata procesa dodjele bubrega.

AutHor Cnatributinas:Autori su podjednako pridonijeli ovom radu. Svi su autori pročitali i složili se s objavljenom verzijom rukopisa

Fonding:Ovo istraživanje nije dobilo vanjska sredstva.

Institutinaal Review Board Statement:Nije primjenjivo.

Informizd Cuključenjahrt Statemhrt:Nije primjenjivo.

Data Availability Statement:Skup podataka korišten u ovoj analizi može se dobiti putem UNOS-a.

Cuključenoicts of Interest:Autori izjavljuju da nema sukoba interesa.

cistanche bodybuilding

References

1. Kalifornijsko sveučilište San Francisco. TheBubregProjekt—Stvaranje bioumjetnogBubregkao trajno rješenje za zatajenje bubrega. Dostupno na internetu: (pristupljeno 4. travnja 2020.).

2. NacionalniBubregTemelj. Statistika doniranja i transplantacije organa. 2016. Dostupno na internetu: (pristupljeno 16. travnja 2020.).

3. UNOS Regije: Regionalni resursi za transplantaciju organa. Dostupno na internetu: (pristupljeno 20. ožujka 2020.).

4. OPTN. Politike stupaju na snagu 6. prosinca 2020. [Ex Comm 9.9.A.]. Dostupno na internetu: (pristupljeno 2. siječnja 2021.).

5. Wey, A.; Salkowski, N.; Kašiške, BL; Israni, AK; Snyder, JJ Utjecajbubregponuditi ponašanje prihvaćanja metrike učinkovitosti raspodjele. Clin. Presaditi. 2017, 31, e13057.

6. Koizumi, N.; DasGupta, D.; Patel, AV; Smith, TE; Mayer, JD; Callender, C.; Melancon, JK Geografske varijacije u vremenu hladne ishemije:BubregNasuprot transplantaciji jetre u Sjedinjenim Državama, 2003. do 2011. Transplantacija. Direktno2015, 1, e27.

7. Howard, DH Zašto transplantacijski kirurzi odbijaju organe?: Model odluke o prihvaćanju/odbijanju. J. Health Econ. 2002, 21, 957–969.

8. Lawson, C.; Johnson, D.; Clapper, D.; Fowler, K.; Kapur, S. SmanjenjeBubregStopa odbacivanja. Vijesti o bubrezima. 2017. Dostupno na internetu: (pristupljeno 22. veljače 2020.).

9. Zhang, J. Zvuk tišine: Opservacijsko učenje u SAD-ububregtržište. Ocjena. Sci. 2010, 29, 315–335.

10. Schold, JD; Buccini, L.; Srinivas, T.; Srinivas, R.; Poggio, E.; Flechner, S.; Soria, C.; Segev, D.; Fung, J.; Goldfarb, D. Udruga centara za evaluaciju učinka ibubregvolumen transplantacije u Sjedinjenim Državama. Am. J. Transplant. 2013, 13, 67–75.

11. Schold, J.; Buccini, L.; Poggio, E.; Flechner, S.; Goldfarb, D. Udruga uklanjanja kandidata izBubregLista čekanja za transplantaciju i nadzor rada centra. Am. J. Transplant. Isključeno. J. Am. Soc. Presaditi. Am. Soc. Transpl. Surg. 2016, 16, 1276–1284.

12. Bae, S.; Massie, AB; Luo, X.; Anjum, S.; Desai, NM; Segev, DL Promjene u stopi odbacivanja nakon uvođenja indeksa profila davatelja bubrega (KDPI). Am. J. Transplant. 2016, 16, 2202–2207.

13. Schold, JD; Buccini, LD; Goldfarb, DA; Flechner, SM; Poggio, ED; Sehgal, AR Udruga izmeđububregučinkovitost transplantacijskih centara i korist od preživljavanja transplantacije u odnosu na dijalizu. Clin. J. Am. Soc. Nefrol. 2014., 9, 1773–1780.

14. Haller, MC; Kainz, A.; Baer, ​​H.; Oberbauer, R. Dijaliza berba i ishodi nakonbubregtransplantacija: retrospektivna kohortna studija. Clin. J. Am. Soc. Nefrol. 2016, 12, 122–130.

15. UNOS. Razgovaramo o transplantaciji—Često postavljano pitanje o višestrukom popisu i prijenosu vremena čekanja. 2017. Dostupno na internetu: (pristupljeno 13. lipnja 2020.).

16. OPTN. OPTN/UNOS Strateški plan 2018.–2021. Dostupno na internetu: (pristupljeno 12. travnja 2020.).

17. Chakkera, HA; Chertow, GM; O'Hare, AM; Amend, WJ; Gonwa, TA Regionalna varijacija ububregishodi transplantacije: trendovi tijekom vremena. Clin. J. Am. Soc. Nefrol. 2009, 4, 152–159.

18. Ardekani, MS; Orlowski, JM Višestruki popis ububregtransplantacija. Am. J.BubregDis. 2010, 55, 717–725.

19. UNOS. Višestruki unos. Dostupno na internetu: (pristupljeno 1. prosinca 2018.).

20. Gharibi, Z.; Ayvaci, MU; Hahsler, M.; Giacoma, T.; Gaston, RS; Tanriover, B. Isplativost indukcijske terapije temeljene na antitijelima kod preminulog darivateljabubregtransplantacije u Sjedinjenim Državama. Transplantacija 2017, 101, 1234.