Ein simulationsbasiertes Optimierungsmodell zur Untersuchung der Auswirkungen der Auflistung mehrerer Regionen und des Informationsaustauschs auf die Ergebnisse von Nierentransplantationen

Zahra Gharibi 1,* und Michael Hahsler 2

Abstrakt:Mehr als 8000 Patienten auf der Warteliste fürNiereaufgrund einer Verschlechterung des Gesundheitszustands sterben oder für eine Transplantation ungeeignet werden. Gleichzeitig werden in den Vereinigten Staaten jedes Jahr mehr als 4000 geborgene Nieren von verstorbenen Spendern entsorgt. Dieses Papier entwickelt ein simulationsbasiertes Optimierungsmodell, das mehrere entscheidende Faktoren berücksichtigt für aNiereTransplantation zu verbessernNiereNutzung. Im Gegensatz zu den meisten vorgeschlagenen Modellen enthält das vorgestellte Optimierungsmodell Details des Angebotsprozesses, der Verschlechterung der Gesundheit des Patienten undNiereQualität im Laufe der Zeit, die Korrelation zwischen Patientengesundheit und Akzeptanzentscheidungen und die Wahrscheinlichkeit der Nierenakzeptanz. Wir schätzen Modellparameter anhand von Daten aus dem United Network of Organ Sharing (UNOS) und dem Scientific Registry of Transplant Recipients (SRTR). Unter Verwendung dieser Parameter veranschaulichen wir die Leistungsfähigkeit des simulationsbasierten Optimierungsmodells anhand zweier verwandter Anwendungen. Ersteres untersucht die Auswirkungen der Ermutigung von Patienten, Wartelisten in mehreren Regionen zu führen, auf die Ergebnisse nach der Transplantation. Hier ermöglicht ein simulationsbasiertes Optimierungsmodell dem Patienten die Auswahl der besten Regionen für die Warteliste in Anbetracht ihres Angebots-Nachfrage-Verhältnisses. Der zweite Antrag konzentriert sich auf einen Aspekt der Transplantation auf Systemebene, nämlich den Beitrag des Informationsaustauschs zur Verbesserung der Nierenverwerfungsraten und der sozialen Wohlfahrt. Wir untersuchen die Auswirkungen des Einsatzes moderner Informationstechnologie zur Beschleunigung der Suche nach einem passenden Patienten für ein verfügbares Spenderorgan auf Wartelistenmortalität, Nierenverwerfung und Transplantationsraten. Wir zeigen, dass eine moderne Informationstechnologieunterstützung, die derzeit vom United Network for Organ Sharing (UNOS) entwickelt wird, unerlässlich ist und die Nierennutzung erheblich verbessern kann.

Schlüsselwörter:Simulationsmodell;NiereAnnahme;NiereZuweisung; Auflistung mehrerer Regionen; Informationsaustausch

Kontakt:joanna.jia@wecistanche.com

Cistanchetubulosa beugt Nierenerkrankungen vor, klicken Sie hier, um die Probe zu erhalten

1. Einleitung

ChronischNiereKrankheit (CKD) ist ein fortschreitender Verlust vonNiereFunktion im Laufe der Zeit. CKD ist eine weltweite Gesundheitskrise, da derzeit mehr als 2 Millionen Patienten an terminaler Niereninsuffizienz (ESRD) oder Nierenversagen leiden. Die Zahl der Patienten, bei denen ESRD diagnostiziert wird, wird voraussichtlich jedes Jahr um 5 bis 7 Prozent zunehmen [1]. Derzeit gibt es keine Heilung fürNiereund Patienten mit ESRD müssen häufig Dialyse oder eine Nierentransplantation von einem lebenden oder verstorbenen Spender erhalten, um zu überleben. Für die meisten Patienten ist die Nierentransplantation die bevorzugte Behandlung, die eine längere Lebenserwartung mit einer höheren Lebensqualität als die Dialyse bietet. Patienten weltweit sind jedoch mit einem chronischen Mangel an Spendernieren konfrontiert, die für eine Transplantation zugänglich sind.

Derzeit befinden sich in den USA fast 100.000 Patienten auf der Warteliste, und im Durchschnitt werden jeden Monat über 3.000 neue Patienten aufgenommen. Jedes Jahr sterben mehr als 4000 Patienten, während sie auf eine Lebensrettung wartenNiereTransplantation, und über 4000 werden zu krank und sind zu krank. Um die Gründe für solch hohe Rückwurfraten zu verstehen, müssen wir uns das ansehenNiereVergabe- und Angebotsprozess. Es gibt erhebliche Unterschiede zwischen lebenden und verstorbenen Spendernieren und zwischen verschiedenen Ländern. Wir konzentrieren uns hier aufNierenvon verstorbenen Spendern in den USA. Die wichtigsten Kriterien für die Zuteilung einer Nierenspende für verstorbene Spender sind (1) medizinische Kompatibilität zwischen Spender und Empfänger, (2) logistische Faktoren und (3) die Position des Patienten auf der Warteliste (z. B. Wartezeit, Punkte). Genauer gesagt, in den USA verwaltet das United Network of Organ Sharing (UNOS) das Organ Procurement and Transplantation Network (OPTN) und ist für die Erhebung von Daten sowohl über Patienten als auch über Spender verantwortlich. Neben logistischen Informationen und Wartezeiten umfassen die Wartelistendaten die Identität des Patienten, demografische Faktoren (z. B. Geschlecht, Rasse, Alter) und medizinische Merkmale (z. B. ABO-Blutgruppe, humane Leukozyten-Antigene (HLAs), Panel-Reaktivität Antikörper (PRA)). Um eine Datenbank für verstorbene Spender zu erstellen, erhält UNOS in ähnlicher Weise Informationen über Spenderdemografie, Spenderlogistik, Genesung und Konservierung sowie medizinische Merkmale des Spenders. in den USA wurden insgesamt 16.534 Nieren transplantiert. Trotz der hohen Nachfrage und des erheblichen Nierenmangels wird etwa jede fünfte Niere, die von verstorbenen Spendern gewonnen wurde, entsorgt [2].

Um die Gründe für solch hohe Rückwurfraten zu verstehen, müssen wir uns die ansehenNiereVergabe- und Angebotsprozess. Es gibt erhebliche Unterschiede zwischen lebenden und verstorbenen SpendernNierenund zwischen verschiedenen Ländern. Wir konzentrieren uns hier auf Nieren von verstorbenen Spendern in den USA. Die wichtigsten Kriterien für die Zuteilung einer Nierenspende für verstorbene Spender sind (1) medizinische Kompatibilität zwischen Spender und Empfänger, (2) logistische Faktoren und (3) die Position des Patienten auf der Warteliste (z. B. Wartezeit, Punkte). Genauer gesagt, in den USA verwaltet das United Network of Organ Sharing (UNOS) das Organ Procurement and Transplantation Network (OPTN) und ist für die Erhebung von Daten sowohl über Patienten als auch über Spender verantwortlich. Neben logistischen Informationen und Wartezeiten umfassen die Wartelistendaten die Identität des Patienten, demografische Faktoren (z. B. Geschlecht, Rasse, Alter) und medizinische Merkmale (z. B. ABO-Blutgruppe, humane Leukozyten-Antigene (HLAs), Panel-Reaktivität Antikörper (PRA)). Um eine Datenbank für verstorbene Spender zu erstellen, erhält UNOS in ähnlicher Weise Informationen über Spenderdemografie, Spenderlogistik, Genesung und Konservierung sowie medizinische Merkmale des Spenders.

UNOS verwendet ein zentralisiertes Computernetzwerk, um alle Organbeschaffungsorganisationen (OPOs) und Transplantationszentren zu verbinden. Gespendet zu vergebenNierenverwendet UNOS sein Spender-Empfänger-Matching-System. Jedes Mal ein neuer verstorbener SpenderNierezur Transplantation abgerufen wird, wendet UNOS einen Match-Run-Algorithmus an, ein Programm, das die Spenderdaten mit den Daten der aktiven Patienten auf der Warteliste vergleicht. Eine nach Rang geordnete Liste von Patienten wird unter Verwendung von Nierenzuweisungsregeln und -richtlinien erstellt. Zu den Faktoren, die bei der Erstellung dieser Liste berücksichtigt wurden, gehören die Wartezeit, die Kompatibilität des Immunsystems von Spender und Empfänger, die vorrangige Eignung von Lebendspendern, die Entfernung zum Spenderkrankenhaus, der Überlebensvorteil (Übereinstimmung der Spender-Empfänger-Langlebigkeit) und der pädiatrische Status.

Der gesamte Angebotsprozess ist komplex und wir konzentrieren uns hier nur auf die Hauptkomponenten, die für das in diesem Dokument diskutierte Simulationsmodell notwendig sind. Der Prozess beginnt mit Patienten, die in lokalen OPOs aufgeführt sind (es gibt 58 OPOs in den USA, jedes mit seinem ausgewiesenen Versorgungsbereich), die medizinisch kompatibel sind und die höchste Priorität auf der Warteliste haben. Bleibt die lokale Zuteilung erfolglos, wird das Organ in der Region (die USA sind derzeit in 11 Transplantationsregionen unterteilt) und schließlich landesweit angeboten. Die Abbildungen 1a,b zeigen 11 geografische Regionen in den USA [3] bzw. die geografische Hierarchie des Nierenspendeprozesses. Weitere Einzelheiten zur Organbeschaffungs- und Zuteilungspolitik sind in [4] verfügbar. Ein Grund für die Priorisierung lokaler Patienten in derNiereDer Zuordnungsprozess soll die Zeit zwischen Organentnahme und Implantation verkürzen. Diese Zeit wird als Cold Ischemia Time (CIT) bezeichnet und spielt eine wesentliche Rolle bei den Ergebnissen einer Nierentransplantation [5,6].

Abbildung 2 und Tabelle 1 zeigen regionale Unterschiede bei CIT, Wartezeit undNiereTransplantationsergebnisse in den USA. In den USA gibt es erhebliche Unterschiede bei den Wartezeiten für verstorbene Spendernieren. Mehrere Faktoren können die Wartezeit eines Patienten bis zur Transplantation beeinflussen. Neben den klinischen Faktoren des Patienten wie Blutgruppe und Sensibilisierungsgrad, der durch PRA (Panel-reaktiver Antikörper) gezeigt wird, haben die Geographie und der Wohnort des Patienten einen enormen Einfluss auf die Chance auf eine rechtzeitige Nierentransplantation. Dies ist wichtig, da Regionen mit längerer CIT mit größerer Wahrscheinlichkeit niedrigere Transplantat- und Patientenüberlebensraten nach der Transplantation aufweisen. Genauer gesagt, wie die Ergebnisse der Ein- und Fünfjahres-Überlebensraten von Patienten und Transplantaten nach einer Nierentransplantation nahelegen, weist Region 9 mit der längsten CIT unter allen Regionen die niedrigsten Ein- und Fünf-Jahres-Überlebensraten von Patienten und Transplantaten unter allen 11 auf Regionen. Wenn die CIT 24 h erreicht, ist es normalerweise schwierig, einen Patienten zu finden, der das angebotene Organ annimmt. In den meisten Fällen werden die Nieren nach 48 h CIT verworfen. Daher könnte die Reduzierung der Nieren-CIT durch Managementverbesserungen ein kosteneffektiver Weg sein, um das derzeitige Transplantationssystem und die Ergebnisse zu verbessern.

Transplantationschirurgen und Aufsichtsbehörden in den USA haben ihre Besorgnis über die beobachtete Höhe geäußertNiereVerwerfungsraten trotz wachsender Warteliste, langer Wartezeit und hoher Entfernungsrate von Wartelisten. Tabelle 2 zeigt die Warteliste und Transplantationsinformationen für die USA und Eurotransplant (ET)-Länder. Eurotransplant ist eine internationale gemeinnützige Organisation, die für die Organzuweisung und -transplantation in Österreich (A), Belgien (B), Kroatien (HR), Deutschland (D), Ungarn (H), Luxemburg (LR), den Niederlanden (NL) und Slowenien verantwortlich ist (SLO). Obwohl die Zahl der gespendetenNierenund Transplantationen, die 2019 in den USA durchgeführt wurden, ein Allzeithoch erreicht hat, bleibt die Nierenverwerfungsrate von etwa 26 Prozent (berechnet als die Anzahl der verstorbenen Nierentransplantationen im Vergleich zur Gesamtzahl der verstorbenen Spender) im Vergleich zum ET weiterhin besorgniserregend Rückwurfquote der Länder von 20 Prozent .

Der häufigste Grund für SpenderNiereVerweigerung und mögliche Verwerfung sind Bedenken hinsichtlich der Qualität der Spenderniere. Die Daten zeigen, dass Transplantationschirurgen minderwertige Nieren für einen relativ gesunden Patienten ablehnen würden, in der Hoffnung, in Zukunft ein besseres Angebot zu erhalten [7]. In Ergänzung zuNiereQualität,NiereAkzeptanz- und Rückwurfquoten können auch durch den Zuweisungsprozess selbst beeinflusst werden [8]. Belege zeigen, dass Nieren, die früh im Zuweisungsprozess abgelehnt wurden, später weniger wahrscheinlich akzeptiert werden [9]. Ein weiteres Problem ist die zunehmende Risikoaversion von Transplantationszentren aufgrund programmspezifischer Berichte, die die Ergebnisse nach der Transplantation bewerten. Diese können Anreize für die Zentren darstellen, qualitativ hochwertigere Nieren nachzufragen. Folglich könnten sie Nieren ablehnen, die für den Patienten angemessen sind, aber das birgt das Risiko, dass die Bewertung ihrer Ergebnisse nach der Transplantation negativ beeinflusst wird [8,10–15].

Ein weiterer Grund, nicht ausreichend hoch zu beobachtenNiereNutzung ist die geografische Ungleichheit der USA beim Zugang zu Nierentransplantationen. Tabelle 3 zeigt geografische Unterschiede in der Anzahl verstorbener Spender, OPOs und Transplantationszentren in den 11 Regionen. Mehrere Staaten wie Wyoming, Idaho und Montana haben trotz ihrer hohen Organspenderate keine Transplantationszentren. Eine solche Variation und Differenz bei OPOs und Organtransplantationseinrichtungen kann zu einer unfairen Verfügbarkeit von Organen, einem schlechten Zugang zur Versorgung und unnötig langen Wartezeiten für einige Patienten führen. Eines der fünf strategischen Ziele von UNOS ist es, Chancengleichheit beim Zugang zu Transplantationen zu schaffen und geografische Unterschiede zu verringern [16]. Um die Chance zu verbessern, ein gut passendes Spenderorgan zu erhalten und die lange Wartezeit zu verkürzen, können Patienten in eine Region mit kürzeren Wartezeiten ziehen oder sich in mehreren Transplantationszentren anmelden, die sich typischerweise in verschiedenen Regionen befinden [17]. UNOS hat mehrere Listenrichtlinien eingeführt, die es Patienten ermöglichen, in mehr als einem Transplantationszentrum aufgenommen zu werden.

Derzeit warten rund 4 Prozent der Patienten auf eineNiereTransplantation sind mehrfach gelistet, was die höchste Rate unter allen Organen darstellt [18].

Wie bei jeder Transplantation muss der Patient Bewertungstests absolvieren und sich an die Vorschriften des Transplantationszentrums halten, wie z. B. die Fähigkeit, innerhalb einer bestimmten Zeit zum Transplantationszentrum zu gelangen. Für die Aufnahme in mehrere Zentren kann dieser Prozess sehr kostspielig sein, da die meisten Versicherungsunternehmen die Kosten für zusätzliche Untersuchungen möglicherweise nicht erstatten [15,19]. Darüber hinaus müssen Patienten, die eine Organtransplantation erhalten, im Rahmen ihrer Nachsorge immunsuppressive Medikamente einnehmen, um sicherzustellen, dass ihr Körper ein neues Organ nicht abstößt [20]. Daher muss eine Patientin erfahren, ob die Pflege nach der Transplantation in ein Zentrum verlegt werden kann, das näher an ihrem Wohnort liegt. Ohne Richtlinien für eine angemessene finanzielle Unterstützung von Reisekosten stellt dies eindeutig immer noch ein Problem in Bezug auf Gerechtigkeit und Fairness dar, mit dem sich die politischen Entscheidungsträger befassen müssen.

In diesem Beitrag stellen wir ein stochastisches Simulationsmodell vor, mit dem die Auswirkungen von Änderungen des Nierenzuteilungssystems und des Angebotsprozesses analysiert werden können. Das Simulationsmodell bezieht die Gesundheit des Patienten und die Qualität der Spenderniere mit einNiereDonor Profile Index (KDPI) [21], Verschlechterung der Spender-Nieren-Qualität durch kumulierende CIT während des Zuteilungsprozesses sowie Nierenangebot und -nachfrage. Darüber hinaus berücksichtigt das Modell die Möglichkeit, dass eine Spenderniere aus anderen Gründen (z. B. kurzfristige Erkrankung des Patienten, unzureichende chirurgische Ressourcen, Cross-Matching-Ergebnis) nicht angenommen werden kann. Unter Verwendung von Modellparametern, die aus Daten geschätzt wurden, die von UNOS und dem Scientific Registry of Transplant Recipients (SRTR) bereitgestellt wurden, wenden wir das Simulationsmodell an, um die folgenden zwei entscheidenden Trends zur Verbesserung der Spendernierentransplantationsraten zu untersuchen:

1. Mehrere Einträge: Die Verlegung in eine Region mit kürzeren Wartezeiten oder die Aufnahme in mehrere Regionen auf der Warteliste kann einer Patientin helfen, indem sie ihre Chance erhöht, früher eine Nierentransplantation zu erhalten. Folglich kann der Patient die Ergebnisse nach der Transplantation aufgrund einer geringeren gesundheitlichen Verschlechterung durch den Verbleib in der Dialyse verbessern. Es ist jedoch nicht einfach, eine Strategie zu entwickeln, um die Entscheidung des Patienten für eine Verlegung oder Mehrfachauflistung zu lenken. Wir formulieren die Entscheidung als Nutzenmaximierungsproblem unter einer Reihe von Budget-, Entfernungs- und Einrichtungsbeschränkungen auf regionaler Ebene. Angebot und Nachfrage sind in den 11 US-Regionen und für verschiedene Blutgruppen sehr unterschiedlich. Eine solche Variation führt zu stark variierenden Wartezeiten, was zu unterschiedlichen erwarteten Nutzen und optimalen Nierenakzeptanzstrategien (ausgedrückt als optimale Nierenqualitätsschwellenwerte) führt. Um den Nutzen eines Patienten für verschiedene Regionen abzuleiten, verwenden wir das Simulationsmodell, um den Nutzen unter individualisierten Entscheidungen zur optimalen Annahme einer Nierentransplantation basierend auf dem Gesundheitszustand des Patienten und Angebot und Nachfrage für die Blutgruppe des Patienten zu erhalten. Wir verwenden die erhaltenen Informationen, um das Optimierungsproblem zu lösen und eine optimale Regionsauswahlpolitik abzuleiten.

2. Informationstechnologie: Eine schnelle und präzise Kommunikation zwischen UNOS und Transplantationszentren ist notwendig, um die Organzuteilung effizienter zu gestalten, was angesichts von Patienten mit mehreren Listen noch kritischer wird. UNOS hat das Ziel, den Einsatz von Informationstechnologie bei der Organallokation und -transplantation zu erhöhen. Sie haben ein sicheres online-basiertes System implementiert, das Daten sammelt, um die Fähigkeit des Transplantationssystems zu verbessern, die Chance des Patienten zu verbessern, ein lebensrettendes Organ zu erhalten. Da sich die Technologie weiterentwickelt hat, fördert UNOS auch die Entwicklung und Nutzung moderner Technologien wie mobiler Geräte für eine schnellere und effizientere Berücksichtigung von SpendernNierebietet sich an, eine höhere Nierenauslastungsrate zu erreichen [22]. Beispielsweise wird es durch mobile Endgeräte einfacher, aktuelle Patientenverfügungen für eine Transplantation (z. B. über eine App) zu erfassen. Anhand dieser Informationen wird OPTN die Niere schneller zuordnen, wodurch die Nierenverschlechterung und das Verwerfen reduziert werden. Im Idealfall perfekter Informationen könnte OPTN den ersten Patienten auf der Warteliste finden, der die Behandlung sofort akzeptiertNiere, wodurch CIT und Rückwurf auf ein Minimum reduziert werden. Die vorgestellte Simulation bewertet den Effekt eines realistischen Falls eines unvollständigen Informationsaustauschs.

   
   

   
   

2. Literaturübersicht

In diesem Abschnitt überprüfen wir sowohl medizinische als auch analytische Studien zur Organtransplantation, die für dieses Papier relevant sind. Bei medizinischen Arbeiten konzentrieren wir uns hauptsächlich auf die CIT und das Warten auf die Dialysezeit als zwei handhabbare unabhängige Risikofaktoren, die effektiv zu den Ergebnissen einer Nierentransplantation beitragen. Für den analytischen Teil überprüfen wir Papiere, die in einen oder beide der beiden Forschungsbereiche fallen, die sich mit der Entscheidungsfindung zur Annahme von Organen verstorbener Spender und dem Design des Zuweisungsprozesses befassen.

2.1. Medizinische Literatur

Mehrere Forscher in ganz Nordamerika, Südamerika und Europa haben den Zusammenhang zwischen CIT und untersuchtNiereTransplantationsergebnisse [23,24]. Die Analyse von Nieto-Ríos et al. [25] zeigt, dass CIT ein unabhängiger Risikofaktor für verzögerte Transplantatfunktion (DGF) ist. Genauer gesagt steigt das Risiko, DGF zu entwickeln, wenn die CIT 18 h überschreitet. Es wirkt sich jedoch nicht negativ auf die Ergebnisse bei akuter Abstoßung oder Transplantatverlust ein Jahr nach der Transplantation aus.

Eine französische Studie von Debout et al. [26] stellt fest, dass das Risiko eines allogenen Transplantatversagens und der Mortalität nach der Transplantation mit jeder zusätzlichen CIT-Stunde deutlich ansteigt. Eine ähnliche Studie von Valdivia et al. [27] in Andalusien, Spanien, bestätigt, dass eine verlängerte CIT sowohl die Überlebensraten von Patienten als auch von Transplantaten beeinflussen kann. Die Studie legt nahe, dass die lange CIT das Risiko einer anfänglich schlechten Transplantatfunktion unabhängig vom Alter von Spender und Empfänger erhöhen kann. Mit zunehmender CIT steigt auch die Chance auf DGF. Die schädliche Assoziation einer verlängerten CIT mit dem DGF-Risiko wird jedoch bei älteren Spendern nicht verstärkt (z. B. erweiterte Kriterien, Spender). Die Studie zeigt, dass die Wirkung der CIT auf die akute Nierentransplantationsabstoßung (ARTR) bei Patienten, die sich einer Nierentransplantation unterziehen, stärker ausgeprägt istNiereRetransplantation. Die Analyse deutet auch darauf hin, dass Spendernieren mit einer CIT von 24 h oder länger ein größeres ARTR-Risiko aufweisen als Organe mit einer CIT von weniger als 12 h. Koizumi et al. [6] berichten, dass in den USA regionale Unterschiede bei den Nierenergebnissen beobachtet wurden, der Hauptgrund für diese Unterschiede jedoch unklar ist. Die Studie zeigt signifikante Variationen der kalten Ischämiezeit (CIT) zwischen den Regionen für die Nieren von Spendern. Insbesondere stellen sie fest, dass Regionen mit längerer CIT eher eine niedrigere Nierenüberlebensrate nach der Transplantation aufweisen. Sie legen nahe, dass Managementverbesserungen eine kostengünstige Wahl sein können, um die Leistung des derzeitigen Transplantationssystems zu verbessern und die Organverwerfungsraten zu reduzieren.

Meier-Kriesche et al. [28] verwenden die Daten des United States Renal Data System Registry (USRDS), um den möglichen Zusammenhang zwischen der Wartezeit und den Ergebnissen der Nierentransplantation zu untersuchen. Ihre Studie bestätigt, dass lange Wartezeiten ein signifikanter Risikofaktor sind, der sich negativ auf die Überlebensvorteile einer Nierentransplantation auswirkt. Als Ergebnis schlagen sie vor, dass je früher ESRD-Patienten eine Nierentransplantation erhalten, desto höher sind ihre Chancen auf ein langfristiges Überleben. Meier-Kriesche und Kaplan [29] untersuchen die Bedeutung der Wartezeit auf die Dialyse als wesentlichsten unabhängigen Risikofaktor aufNiereTransplantationsergebnisse. Als Teil ihrer Analyse wenden sie Kaplan-Meier-Schätzungen und Cox-Proportional-Hazards-Modelle auf die Datenbank des US-amerikanischen Nierendatensystems an, um die Auswirkungen der Wartezeit auf verstorbene Spender zu untersuchenNiereErgebnisse. Ihre Ergebnisse zeigen, dass die Überlebensraten von fünf- und zehnjährigen Transplantaten bei gepaarten Nierenempfängern, die mehr als zwei Jahre auf die Dialyse gewartet haben, signifikant schlechter sind als bei gepaartenNiereEmpfänger mit einer Wartezeit von weniger als einem halben Jahr.

2.2. Analytische Literatur

Analytische Literatur konzentriert sich auf das Design derNiereAllokationsprozess und verwendet häufig Simulationsmodelle. Erörterte Themen sind die Wirksamkeit und Gerechtigkeit des Zuteilungsverfahrens und die Wirkung der Entscheidung über die Annahme der Niere.

Zur Analyse des im Jahr 2000 verwendeten Allokationsverfahrens haben Zenios et al. [30] schlagen eine dynamische Ressourcenallokation vor, die die Lebenserwartung des Patienten nach Erhalt einer Nierentransplantation maximiert und gleichzeitig die Ungleichheit zwischen den Patienten minimiert. Das konstruierte Simulationsmodell zeigt, dass die derzeit angewandte Organzuteilungspolitik die qualitätsadjustierte Lebenserwartung des Patienten erhöht und die zu erwartende Wartezeit verkürzt.

DasNiereAkzeptanzentscheidungen stehen im Mittelpunkt einer ganzen Reihe von Forschungsarbeiten. Ahn und Hornberger [31] entwickeln ein theoretisches Modell, das die Gesundheit des Patienten bei der Annahme-/Ablehnungsentscheidung über die Qualität angebotener Nieren berücksichtigt. Ihre Analyse zeigt, dass es sich ein relativ gesunder Patient leisten kann, hinsichtlich der Qualität eines Spenders selektiv zu seinNierenund erwarten Sie ein besseres Ergebnis nach der Transplantation, indem Sie eine qualitativ hochwertige Niere akzeptieren. Die Auswirkung der Patientenwahl auf das Organallokationssystem wird von Su und Zenios [32] untersucht. Die Studie führt ein Warteschlangenmodell ein, das die Auswirkungen der Patientenwahl auf die Nierenabstoßungsraten analysiert, indem die Leistung des Wartesystems sowohl nach der First-Com-First-Serve- (FCFS) als auch nach der Last-Come-First-Serve-Strategie (LCFS) bewertet wird. Sie kommen zu dem Schluss, dass LCFS effizienter ist als FCFS. Im Gegensatz zu LCFS bietet die FCFS-Richtlinie Patienten tatsächlich Anreize, Nieren von geringer Qualität abzulehnen, was zu einer geringen Nierenauslastung führt. Andererseits zeigt das Modell, dass die LCFS-Strategie eine optimale Organausnutzung erreicht. In einer anderen Studie untersuchen Su und Zenios [33] die Rolle der Patientenwahl bei der Nierenzuweisung unter Verwendung eines sequentiellen stochastischen Zuordnungsmodells. Das Modell befasst sich mit dem Konflikt zwischen Patientenwahl und sozialer Wohlfahrt. Die Analyse betrachtet zwei Schemata, wobei das erste davon ausgeht, dass Patienten jede angebotene Niere annehmen müssen. Die erstbeste Lösung besteht darin, eine Zuteilungspolitik zu finden, die die soziale Wohlfahrt maximiert. Durch die Einführung der Patientenwahl wird die First-Best-Policy modifiziert, um eine Second-Best-Policy zu erreichen. Als Ergebnis wird eine Anreizkompatibilitätsbedingung eingeführt, die eine Gestaltung der Zuteilungspolitik erzwingt, die sicherstellt, dass Patienten jedes Nierenangebot annehmen. Su und Zenios [34] führen ein Mechanismus-Design-Modell für die Organzuordnung ein, das die Wahl des Patienten berücksichtigt. Die Patienten geben die Nierentypen (z. B. Qualität) an, die sie erhalten möchten, wenn sie sich auf die Warteliste für eine Nierentransplantation setzen (nicht zum Zeitpunkt des Angebots einer Spenderniere) und sich in die Warteschlange einreihen, die dem angegebenen Nierentyp dient. Auf diese Weise reduziert das Modell den langen Suchprozess, indem geeignete Patienten identifiziert werden, die die geborgenen Spendernieren effektiver annehmen möchten.

Fairness und Gerechtigkeit sind wichtige Themen Bertsimas et al. [35] untersuchen geografische Disparitäten beim Zugang zu verstorbenen SpendernNieren. Sie verwenden eine flüssige Näherung für ein Warteschlangenmodell, um den optimalen Weg zu formulieren, wie ein Patient in die Wartelisten mehrerer Transplantationszentren aufgenommen werden kann. Das Ziel des Patienten ist es, die Lebenserwartung zu maximieren und gleichzeitig die Staukosten zu minimieren. Durch die Kombination von Analyse-, Simulations- und numerischen Ergebnissen zeigen sie, dass die Mehrfachlistung die geografische Gleichheit stark fördert und die Zahl der Spender erhöhtNiereliefern. Mehr Spender führen zu einer höheren Transplantationsrate und verringern die Sterblichkeitsrate der Patienten auf der Warteliste. Einige Studien [36–38] haben Modelle entwickelt, die es einem inkompatiblen Spender-Empfänger-Paar dennoch ermöglichen, eine Lebendspendeniere über einen Austausch mit anderen inkompatiblen Spender-Empfänger-Paaren zu erhalten. Während die meisten existierenden Modelle darauf abzielen, die Gesamtzahl möglicher Nierenaustausche und Sozialleistungen zu maximieren, berücksichtigen sie nicht die Fairness-Komponente, die als Spender-Empfänger-Zufriedenheit definiert ist. Leeet al. [39] stellen ein zweistufiges stochastisches Programmiermodell vor, das die Fairness in Lebendspende-Nierenaustauschprogrammen berücksichtigt. Die Studie untersucht mehrere Szenarien, um die Auswirkungen der Fairness auf die Ergebnisse des Nierenaustauschs zu untersuchen. Die numerischen Ergebnisse zeigen die Verbesserung des Ergebnisses des Lebendspender-Austauschprogramms, wenn Fairness beim Zusammenbringen inkompatibler Paare berücksichtigt wird. Beachten Sie, dass einige der hier diskutierten Studien die Auswirkungen der Fairness bei der Nierenlebendtransplantation berücksichtigen; Wir konzentrieren uns jedoch nur auf Transplantationen mit Nieren von verstorbenen Spendern.

Die in der Literatur vorgestellten Simulationen verwenden starke Annahmen. So gehen Su und Zenios [33] davon aus, dass Patienten jedes Angebot annehmen müssenNiere, oder in [34] Patienten können ihre ursprünglich gewählte Nierenqualität nicht ändern. Darüber hinaus konzentrieren sich die meisten Simulationen typischerweise auf eine einzelne Variable. Die Studie von Ruth et al. [40] konzentriert sich auf die Wartelistenlänge. Die Studie schlägt ein Simulationsmodell für den Organzuteilungsprozess vor und stellt fest, dass unter den Bedingungen der Organzuteilung im Jahr 1985 die Länge der Warteliste weiter zunehmen wird. Das Simulationsmodell, das wir in diesem Artikel vorstellen, vermittelt ein gründlicheres Bild, indem es die Auswirkungen von Patientenentscheidungen, Angebot und Nachfrage in verschiedenen Regionen, die Effizienz des Zuweisungsprozesses und die erwartete Auswirkung des Nutzens nach der Transplantation berücksichtigt.

Cistanche-Bodybuilding

3. Modellbeschreibung

In den folgenden Abschnitten diskutieren wir im Detail die Hauptkomponenten von Simulations- und Optimierungsmodellen. Die Simulationsmodelle umfassen Patienten (Organbedarf), verstorbenen SpenderNierenAnkunft (Organversorgung), der fortlaufende Angebotsprozess der verstorbenen Spenderniere, um die optimale Nierenqualitätsschwelle zu finden, und der erwartete Nutzen nach der Transplantation für einen Patienten mit einem bestimmten Gesundheitszustand. Wir verwenden dann die Ausgabe des Simulationsmodells als die Koeffizienten der Zielfunktion des Optimierungsmodells, um eine Mehrfachauflistungsrichtlinie zu empfehlen und einen Satz von Regionen vorzuschlagen, die der Patient auswählen kann.

3.1. Simulationsmodell

Wir entwickeln ein Simulationsmodell, das den Patienten das Optimum identifizieren lässtNiereQualitätsschwelle, die ihren Nutzen nach der Transplantation maximiert. Die Modellparameter hängen von Angebot und Nachfrage der Patientenregion ab. Wir simulieren dieNiereAkzeptanzstrategie und der sich daraus ergebende Nutzen nach der Transplantation entsprechend jeder Transplantation. Abbildung 3 veranschaulicht den Simulationsprozess. Wir diskutieren die Schlüsselkomponenten in den folgenden Abschnitten.

3.1.1. Organnachfrage

Der Bedarf wird durch Patienten auf der Warteliste repräsentiert. Wir teilen die Patienten in mehrere Gruppen konkurrierender Patienten ein, die je nach Blutgruppe und anderen klinischen Kriterien dieselbe Art von verstorbenem Spenderorgan erhalten können. Wir modellieren jede Gruppe separat. Wir werden die Wechselwirkung zwischen den Gruppen berücksichtigen (z. B. einige Patienten mit der Blutgruppe AB können Organe von Spendern mit jeder Blutgruppe erhalten), indem wir die Organversorgung für die einzelnen Gruppen anpassen.

Jede konkurrierende Patientengruppe wird durch eine Warteschlange modelliert, die sich auf die Blutgruppe j bezieht, wobei j ∈ {A, B, AB, O}. Patienten können sich ihrer passenden Warteschlange (z. B. basierend auf der Blutgruppe) mit der Rate von λj anschließen und von kompatiblen Spendern versorgt werden. kompatibelNierenerreichen die Warteschlange für Blutgruppe j mit einer Rate von µi. Zum Beispiel für die Blutgruppe A-Warteschlange, kompatibelNierensind vom Typ A und O. Patienten verlassen die Warteliste j mit einer Transplantationsrate von ηi, wenn sie (1) eine angebotene Niere annehmen, oder (2) mit einer Rate von θi entweder zu krank für eine Transplantation werden oder auf der Warteliste sterben . Die Struktur des Warteschlangenmodells ist in Abbildung 4 dargestellt.

Nach der Studie in [34] kommen Patienten mit Blutgruppe j gemäß einem Poisson-Prozess mit der Ankunftsrate von λj auf die Warteliste. Die Patienten treten der Warteliste im Modell mit einem nicht beobachtbaren anfänglichen Gesundheitszustand h0 bei, der die verbleibende Zeit darstellt, die sie bei der Dialyse überleben können, wenn sie aufgenommen werden. Wir modellieren die Verteilung von h0 in der Patientenpopulation unter Verwendung einer Weibull-Verteilung. Die Weibull-Verteilung wird häufig in der Überlebensanalyse verwendet, um die Zeit bis zum Ausfall darzustellen, da sie im Laufe der Zeit abnehmende, konstante oder steigende Ausfallraten ausdrücken kann. Die Gesundheit für einen simulierten Patienten, h0, ist dann die Realisierung einer Zufallsvariablen H0 ∼ Weibull(a, b), wobei a und b die Skalen- bzw. Formparameter sind. Patienten scheiden von der Warteliste aus, wenn sie entweder (1) eine Transplantation erhalten oder (2) die Warteschlange aufgrund schlechter Gesundheit (oder Tod) verlassen. Da h0 die Zeit ist, die die Patientin die Dialyse überleben kann, wenn sie auf die Warteliste kommt (d. h. der Index zeigt an, dass sie bisher null Jahre gewartet hat), ist die tatsächliche Gesundheit nach w Jahren Wartezeit hw {{1{{ 11}}}} h0 − w was bedeutet, dass der Patient die Warteliste spätestens um w=h0 verlässt.

3.1.2. Organversorgung

Nach [34], kompatibler verstorbener SpenderNierenkommen nach einem unabhängigen homogenen Poisson-Prozess mit der Ankunftsrate µj in der Warteschlange für die Blutgruppe j an. OPTN definiert aNiereQualitätsmetrik namens Kidney Donor Profile Index (KDPI), der zehn klinische Spenderfaktoren enthält, um die Nieren gemäß dem geschätzten Nierenüberleben nach der Transplantation einzustufen [41]. KDPI berücksichtigt die folgenden Spendermerkmale: Alter, Größe, Gewicht, ethnische Zugehörigkeit, ob der Spender aufgrund von Verlust der Herzfunktion oder des Gehirns gestorben ist, Schlaganfall als Todesursache, Bluthochdruck in der Vorgeschichte, Diabetes in der Vorgeschichte, Exposition gegenüber das Hepatitis-C-Virus, Serum-Kreatinin (ein Maß für die Nierenfunktion). KDPI ist konstruktionsbedingt nahezu gleichmäßig über alle in einem gegebenen Jahr geernteten Nieren verteilt. In Anlehnung an KDPI modellieren wir die Qualität einer ankommenden Spenderniere, dargestellt mit q0 als Realisierung einer Zufallsvariablen Q ∼ Unif(0, 1). Wir verwenden 0, um die niedrigste und 1 die höchste Nierenqualität darzustellen, dh q0=1 − KDPI. Wenn eine neue Spenderniere in der Simulation verfügbar wird, wird die Niere gleichzeitig einer Gruppe von g Patienten mit einem bestimmten Zeitfenster angeboten, um das Angebot zu prüfen und die Annahme-/Ablehnungsentscheidung zu treffen. Kann nach der zugeteilten Zeit niemand aus der Gruppe der g-Patienten die Niere annehmen, wird die Niere der nächsten Gruppe der g-Patienten auf der Warteliste angeboten. Der Zuweisungsprozess wird fortgesetzt, bis das Organ entweder von einem Patienten akzeptiert oder verworfen wird (aufgrund einer erfolglosen Suche oder Organplatzierung). Für den gegenwärtigen Mangel an Spendernieren haben wir µj < λj,="" dh="" nieren="" kommen="" mit="" einer="" geringeren="" rate="" an="" als="" neue="" patienten.="" die="" entfernung="" von="" patienten="" aufgrund="" von="" gesundheit="" oder="" tod="" hält="" die="" warteschlange="" auf="" einer="" begrenzten="" größe.="" längere="" wartelisten="" führen="" zu="" längeren="" wartezeiten="" und="" einer="" stärkeren="" verschlechterung="" des="" gesundheitszustands="" der="" patienten.="" dies="" wiederum="" erhöht="" die="" entfernungsrate="" (patienten="" verlassen="" das="" krankenhaus="" ohne="" transplantation).="" die="" warteschlangenlänge="" stabilisiert="" sich="" im="" gleichgewicht,="" wo="" die="" transplantationsrate="" plus="" die="" patientenentfernungsrate="" mit="" der="" patientenankunftsrate="">

3.1.3. Nierenakzeptanz/Ablehnungsentscheidung

Im Laufe der Zeit als Prozess des SpendersNiereDas Angebot wird fortgesetzt, die Niere sammelt CIT an und ihre Qualität verschlechtert sich. Wir modellieren diese Verschlechterung als qt {{0}} f(q0, δ, t). In dieser Gleichung stellt t die akkumulierte CIT dar und q0 stellt die Nierenqualität zum Zeitpunkt der Genesung dar, wenn t=0 ist. Die Variable δ stellt einen Verschlechterungsfaktor der Nierenqualität dar. Wir fordern, dass die Qualitätsfunktion f in δ und t abnimmt, dh ∂ f(q0,δ,t)∂δ < 0="" und="" ∂="" f="" (q0,δ,t)="" ∂t="">< 0.="" im="" simulationsmodell="" messen="" wir="" die="" zeit="" als="" vielfaches="" der="" für="" eine="" angebotsrunde="" erlaubten="" zeit.="" wenn="" die="" patienten="" eine="" stunde="" zeit="" haben,="" um="" sich="" zu="" entscheiden,="" repräsentiert="" t="" die="" kumulierte="" stadt="" in="" stunden.="" wir="" modellieren="" die="" annahme/ablehnung="" der="" niere="" durch="" den="" patienten="" und="" die="" anschließende="" transplantation="" in="" zwei="" schritten.="" zuerst="" verwendet="" der="" patient="" eine="" schwellenstrategie,="" um="" zu="" entscheiden,="" ob="" ein="" angebot="" angeboten="">Niereist akzeptabel. Der Patient würde das Angebot annehmen, wenn qt größer oder gleich k ist, wobei k der vom Patienten und dem Chirurgen festgelegte Nierenqualitätsschwellenwert ist. Für akzeptable Nieren berücksichtigen wir mehrere Faktoren im Zusammenhang mit der Gesundheit des Patienten und dem Transplantationszentrum. Im Simulationsmodell verwenden wir die Wahrscheinlichkeit, dass die Transplantation durchgeführt wird, wenn eine akzeptable Niere angeboten wird als

wobei p(Patientenfaktoren) die spezifische medizinische Situation des Patienten und alle Tatsachen darstellt, gegen die sich der Patient oder der Chirurg entscheiden kannNiereaus Gründen, die nicht allein durch die Nierenqualität erklärt werden (z. B. vorübergehende Inaktivität des Patienten auf der Warteliste, ungünstiges Cross-Matching-Ergebnis). Die Wahrscheinlichkeit p (Zentrumsfaktoren) repräsentiert die Bereitschaft des Transplantationszentrums (z. B. Verfügbarkeit von Personal, Operationssälen usw.) sowie Überlegungen zum Einfluss der Transplantation auf die Leistungsbewertung des Zentrums. Die Patientin wählt ihre Entscheidungsschwelle k in Absprache mit dem Operateur. Ein solcher Schwellenwert wird durch die Gesundheit des Patienten beeinflusst, h0 da ein Patient, der mehr Zeit für die Dialyse übrig hat, auf eine bessere Nierenqualität warten wird. Wir modellieren diese Beziehung in der Simulation, indem wir für jeden Patienten eine Zufallsvariable K ∼ Unif(0,1) auswählen, die mit dem Patienten-sh0 korreliert ist, das durch einen Rangkorrelationskoeffizienten von ρH nach Spearman repräsentiert wird 0, K.

3.1.4. Nutzen des Patienten nach der Transplantation

Wenn der Patient den verstorbenen Spender akzeptiertNiereangeboten wird und eine Transplantation stattfindet, erhält ein Patient einen Nutzen nach der Transplantation. Der Nutzen nach der Transplantation hängt von der Nierenqualität zum Zeitpunkt der Transplantation qt und der Wartezeit w des Patienten ab, was zu einem Gesundheitszustand von hw=h0 − w führt. Der Nutzen nach der Transplantation kann in zwei Komponenten unterteilt werden

wobei B(·) den Nutzen für den Patienten in Abhängigkeit von der darstelltNiereQualität, und D(·) erklärt die Verschlechterung des Patienten auf der Warteliste. Das Aufteilen des Nutzens in diese beiden Komponenten hat Vorteile für die Schätzung von Parametern aus Daten. Die Funktion B(·) kann als Nutzen für die Patientin angesehen werden, wenn sie ohne Wartezeit eine Niere mit Qualität qt erhalten würde. Die Nutzenfunktion muss erfüllen, dass sie mit der Patientengesundheit h{{0}} und der Nierenqualität zunimmt, dh ∂B(∂hh00, qt) > 0 und ∂ B(∂hq0t, qt) > 0. D(·) repräsentiert Kosten in Form eines Verschlechterungsfaktors aufgrund des Wartens von w auf die Niere. Die Kostenfunktion muss steigen, wenn die Wartezeit zunimmt und mit der Gesundheit des Patienten abnimmt, dh eine übliche Methode zur Definition von Funktionen wie B(·) ist die von Cox [42] vorgeschlagene Form der logistischen Regression für das Überleben, die die bedingten Chancen von modelliert Sterben zu jedem Zeitpunkt gegeben Überleben bis zu diesem Zeitpunkt als

wobei m(h{{0}}) das Transplantationsergebnis für einen Patienten mit Gesundheitsstufe h0 angibt, der sofort eine perfekte Niere (qt=1) erhielt (w {{3 }}). Natürlich steigt m(h0) mit dem Gesundheitszustand h0 des Patienten. Wir verwenden für D(·) das Funktional from

wo steuert die Rate der Verschlechterung. Der Verschlechterungsfaktor ist gleich Eins (dh keine Verschlechterung), wenn die Wartezeit Null ist (w {{0}}). Wenn der Patient auf eine sehr hochwertige Niere wartet und die Zeit davonläuft (dh w=h0), dann wird der Verschlechterungsfaktor Null. Die gewählte funktionelle Form ist sehr flexibel und kann eine lineare Verschlechterung ausdrücken ( {{ 4}}), Verlangsamung der Verschlechterung ( > 1) und zunehmende Verschlechterung ( < 1).="" durch="" die="" schätzung="" von="" parametern="" aus="" daten="" und="" die="" verwendung="" von="" simulationsoptimierungen="" können="" wir="" für="" jeden="" patienten="" das="" optimum="">NiereQualitätsschwelle k∗, die den Nutzen nach der Transplantation maximiert.

3.2. Regionsauswahl und Optimierungsmodell für mehrere Einträge

Eine Patientin kann ihre Chancen auf eine Transplantation verbessern, indem sie in eine andere Region zieht (Regionsauswahl) oder sich in Transplantationszentren in mehreren Regionen einträgt. Um dem Patienten dabei zu helfen, einen Satz von Regionen für die mehrfache Aufnahme zu identifizieren, verwenden wir das Simulationsmodell, um den optimalen Schwellenwert-Policy-Parameter k∗i und den maximal erwarteten Nutzen zu berechnen, den ein Patient wahrscheinlich aus einer Transplantation in jeder Region ziehen wird. Dies wird durch 11 Nutzenwerte Ui(k∗i , h0, w), i ∈ 1, 2, . . . , 11. Der Einfachheit halber schreiben wir Ui(k∗i ), um den erwarteten Nutzen nach der Transplantation für einen Patienten mit gegebenen h0 und w darzustellen. Die Regionsauswahl erfolgt nun durch Auswahl der Region mit dem größten Nutzen.

Für die Mehrfachauflistung stellen wir die Aktion der Eintragung in Region i durch die binäre Entscheidungsvariable dar

Der Patient hat 11 Entscheidungsvariablen, eine für jede Region. Wir gehen davon aus, dass die Patientin ihre Chancen erhöhen möchte, indem sie sich in den besten Regionen mit dem höchsten erwarteten Nutzen unter Berücksichtigung einer Reihe von Einschränkungen auflistet. Dies kann als folgendes Optimierungsproblem formuliert werden.

Durch Summieren des regionalen Nutzens wird sichergestellt, dass die Regionen mit den größten Nutzen in die Lösung einbezogen werden. Die erste Einschränkung stellt sicher, dass die Lösung das Gesamtbudget C des gegebenen Patienten erfüllt. Die zweite Einschränkung berücksichtigt die maximale Entfernung, die der Patient zurücklegen kann, um rechtzeitig zum Transplantationszentrum zu gelangen. Die dritte Einschränkung berücksichtigt die Erwartung des Patienten bezüglich der Leistung P der Region, und schließlich beschränkt die letzte Einschränkung rit auf 0 oder 1. Da die Anzahl der Regionen mit nur 11 klein ist, kann dieses Problem durch Aufzählung gelöst werden.

4. Anwendungen und numerische Ergebnisse

Wir beginnen diesen Abschnitt mit der Abschätzung der für das Simulationsmodell erforderlichen Parameter und stellen dann vor, wie das Modell für zwei Anwendungen verwendet werden kann. Die erste Anwendung veranschaulicht, wie das Modell eine strategische Richtlinie bereitstellen kann, um die Entscheidung eines Patienten für den Umzug in eine andere Region oder die Aufnahme in mehrere Regionen zu unterstützen.

Die zweite Anwendung analysiert die potenziellen Vorteile der Verwendung moderner Informationstechnologie (z. B. über Smartphone-Apps) zur Verbesserung des sozialen Wohlergehens durch Erhöhung des Patientennutzens nach der Transplantation undNiereNutzungsraten.

Cistanche-Bodybuilding

4.1. Parameterschätzung

Wir verwenden Daten von UNOS und SRTR, um Modellparameter zu schätzen. Wir extrahieren UNOS-Daten für das Jahr 2019, um Neuzugänge auf der Warteliste und Spender zu schätzenNiereliefern. Zur Berechnung der Wartezeit verwenden wir die von SRTR gemeldeten Werte. Das SRTR-Datensystem enthält detaillierte medizinische und demografische Daten für alle Spender, Wartelistenpatienten und Transplantatempfänger in den USA. Der verwendete Datensatz besteht aus mehr als 400.000 Patienten, die zwischen Oktober 1987 und Ende 2019 zum ersten Mal Nierentransplantationen von verstorbenen Spendern erhalten haben.

Die Jahresberichte von SRTR und UNOS liefern Informationen über Organeingänge und Aktivitäten auf Wartelisten (z. B. Statistiken über das Hinzufügen und Entfernen von Patienten). Wir verwenden diese Daten, um λj und µjin für jede Periode zu schätzen.

Ein wichtiger Faktor zum Schätzen der Nierenankunftsrate in einer Blutgruppen-J-Warteschlange ist die Blutgruppenkompatibilität zwischen Patienten und Spendern. Spender mit Blutgruppe O sind gemäß den Blutgruppenverträglichkeitskriterien Universalspender, deren Nierenorgane Patienten aller Blutgruppen angeboten werden können. Andererseits können Spender mit Blutgruppe AB ihre Nieren nur an Patienten mit Blutgruppe AB spenden, während sie universelle Empfänger aller Blutgruppen sind. Tabelle 4 zeigt die Blutgruppenverträglichkeit für eine Nierentransplantation im Detail. Dieses Dokument gibt nur Ergebnisse für Blutgruppe A an. Die Ergebnisse für andere Blutgruppen können auf ähnliche Weise erhalten werden. Tabelle 5 zeigt Spender und Patientenankünfte für Blutgruppe A.

Basierend auf SRTR-Daten erhalten Patienten mit Blutgruppe A im Durchschnitt 94 Prozent und 6 Prozent der Organe von Spendern der Blutgruppen A bzw. O, was sich in der widerspiegeltNiereVersorgungsparameter µj in Tabelle 5. Gemäß dem aktuellen Angebotsschema, das von OPTN in den USA verwendet wird, verwenden wir in unserem Simulationsmodell die Patientengruppengröße von g=5. Entsprechend den Berichten, dass Organe nach einer CIT von 48 h selten verwendet werden [6], setzen wir die Nierenabbaurate δ auf 5 Prozent. Bei δ=0.05 verschlechtert sich die Nierenqualität auf (1 − 0.05) {{10}}.5 Prozent seiner Ausgangsqualität nach 48 h. Basierend auf Gesprächen mit einem medizinischen Mitarbeiter verwenden wir eine Transplantationswahrscheinlichkeit p(transplant)=0,8 für alle Regionen. Eine Wahrscheinlichkeit für jede Region ließe sich ebenfalls aus Daten abschätzen, Informationen zu Ablehnungen von Nierenangeboten liegen uns derzeit aber nicht vor. Die Parameter , , und für die Nutzenfunktion B(h0, qt) und den Kostenfaktor C(h{{30}}, w) können geschätzt werden, wenn die Outcome-Daten die Post enthalten -Transplantatüberleben ist verfügbar. Da unser Datensatz diese Daten jedoch nicht enthält, verwenden wir in unserer Simulation=0.4,=8 und=0.5. Wir fügen der Warteliste Patienten mit einem Gesundheitswert h0 hinzu, der aus einer Zufallsvariablen H0 mit einer Weibull-Verteilung gezogen wird. Wir verwenden einen Skalenparameter a=8 und einen Formparameter b=2, um eine durchschnittliche Gesundheit von fast 7 Jahren und etwa 90 Prozent der Bevölkerung unter 12 Jahren zu erhalten. Wir verwenden eine Spearman-Rangkorrelation ρ(H0, K) von 0,2, die nahe an der Korrelation zwischen der akzeptierten Nierenqualität und der in den Daten beobachteten Patientengesundheit liegt.

4.2. Regionsauswahl und Mehrfachauflistung

Zur Veranschaulichung des Ansatzes zur Regionsauswahl berichten wir die Ergebnisse für einen Zielpatienten mit Blutgruppe A, der ein Lebensjahr an Dialyse (h0=1) ist und sich derzeit in Position 1 befindet00 der Warteliste. Wir erfüllen die Warteliste mit zufällig generierten Patienten (deren Gesundheit aus einer Weibull-Verteilung mit einem korrelierten Richtlinienschwellenwert gezogen wird). Wir führen dieselbe Simulation jeweils 1{7}}0 Mal für die Entscheidungsschwellenwerte k ∈ {0, 0,1, 0,2, · · ·, 0,9} durch und mitteln die Ergebnisse der 100 Läufe, um den erwarteten Nutzen abzuschätzen für jede Schwelle.

Tabelle 6 zeigt die Ergebnisse für den optimalen Schwellenwert, k*i, der zu dem größten erwarteten Nutzen nach der Transplantation, Ui(k*i), für jede Region führt. DasNiereDie Ankunftsrate in der Warteschlange (Patienten mit Blutgruppe A auf der Warteliste) pro Jahr ist µA und qt ist die durchschnittliche Qualität der transplantierten Niere. Wenn der Zielpatient beispielsweise in Region 6 eingeschrieben ist, ist ein Schwellenwert von k=0,65 optimal, was zu einem Nutzen von 9,6 Jahren führt. Wenn sie dagegen in Region 2 eingetragen ist, kann die optimale Entscheidung so hoch wie 0,85 mit einem Nutzen von 13,22 Jahren sein.

Tabelle 7 stellt die geschätzten Daten dar, die wir in unserem Optimierungsmodell verwendet haben, um eine Reihe machbarer Regionen für einen Patienten mit Blutgruppe A zu finden, von dem angenommen wird, dass er derzeit in Region 6 lebt und dort eingeschrieben ist. Wir verwenden einen UNOS-Datensatz, um die erwartete Wartezeit und die { {2}}-Jahres-Überlebensrate für solche Patienten in allen 11 Regionen. In jeder Region wählen wir eine Großstadt aus und schätzen die entsprechenden monatlichen Lebenshaltungskosten anhand des Lebenshaltungskostenindex der Stadt. Die Evaluierungskosten sind definiert als das Produkt der gesamten erwarteten Anzahl von Evaluierungen bisNiereTransplantation und die Kosten pro Auswertung. Die erwartete Anzahl der Bewertungen wird auf der Grundlage einer von den meisten Transplantationszentren vorgeschriebenen Neubewertungsrichtlinie von 6- Monaten geschätzt. Im Allgemeinen trägt die Patientin die Kosten für die regelmäßige Untersuchung, wenn sie in mehr als einer Region aufgenommen werden möchte, da die meisten Versicherungspolicen die Kosten für die regelmäßige Untersuchung nur für eine Registrierung übernehmen. Die Gesamtkosten errechnen sich wie folgt: Der Gesamtbetrag, den ein Patient zahlen muss (Anzahl der Untersuchungen mal Kosten der Untersuchung) plus die Kosten für die Reise und den Aufenthalt in einer anderen Region für drei Tage.

Als Beispiel nehmen wir hier an, dass der Patient ein Budget von C=$15,000 hat. Sie kann auch bis zu D=1500 Meilen reisen, und ihre Mindesterwartung an die Leistung einer Region liegt bei 75 % der fünfjährigen Überlebensrate. In der Absicht, ihr Ergebnis nach der Transplantation unter diesen drei Einschränkungen zu maximieren, stellt unser Modell fest, dass die Patientin neben der Heimatregion 6 auch in die Regionen 5, 4 oder 8 aufgenommen werden kann, wobei Region 5 den höchsten erwarteten Nutzen bietet. OPTN setzt sich für einen gerechten Zugang zu Transplantationen und die Verringerung geografischer Unterschiede ein [16]. Im Rahmen der kostenlosen Mehrfacheintragung haben Patienten einen Anreiz, sich angesichts ihrer Budgetbeschränkungen in so vielen Regionen wie möglich anzumelden. Dies bedeutet, dass der Zugang zur Transplantation von den finanziellen Ressourcen des Patienten beeinflusst wird, was ein Problem in Bezug auf Gerechtigkeit und Fairness darstellen kann. Auf lange Sicht können jedoch die freie Regionsauswahl und Mehrfachlistungen geografische Unterschiede verringern. Mehr Patienten werden sich in Regionen einschreiben, die derzeit einen höheren Nutzen bieten, Nachfrageunterschiede ausgleichen und die Versorgungslücke verringern. An diesem Punkt wird der Vorteil, mehr Budget für die Anwerbung in mehreren Regionen zu haben, abnehmen, was zu einer gerechteren Situation führt. Kurzfristig muss Gerechtigkeit vorübergehend durch geeignete Richtlinien sichergestellt werden, um mehreren Patienten mehrere Einträge zur Verfügung zu stellen.

4.3. Die Auswirkung des Informationsaustauschs auf die Allokationseffizienz

Eine der Initiativen im OPTN-Strategieplan (2018–2021) [16] mit dem Ziel, die Anzahl der Transplantationen zu erhöhen, ist die Verfolgung von Systeminstrumenten für eine effizientere Spender-/Empfänger-Matching. Zu diesen Tools gehören Tools für den Informationsaustausch, was bedeutet, dass das Transplantationszentrum und der Patient aktuelle Informationen mit OPTN teilen, was das Potenzial hat, den Austausch zu beschleunigenNiereAllokationsprozess und reduzieren so die kalte Ischämiezeit (CIT) und die Nierenverwerfungsrate.

Zu den Informationen, die weitergegeben werden können, gehören:

1. Akzeptanzschwelle des Patienten k: Jeder Patient meldet sichNiereQualitätsakzeptanzschwelle k von ihr und ihrem Arzt festgelegt.

2. Alle zusätzlichen Entscheidungskriterien, die vom Patienten verwendet werden: Die Entscheidungen des Patienten und des Chirurgen können durch Informationen beeinflusst werden, die nicht in der enthalten sindNiereQualitätsbewertung (KDPI). Besser standardisierte Qualitätsparameter zu haben, bei denen die Patientin vorgeben kann, was sie akzeptiert, würde sich verbessernNiereZuweisung. Unter vollständigen Informationen konnte OPTN sofort die Patienten identifizieren, die die Niere akzeptieren würden, und wertvolle CIT einsparen.

3. Die aktuelle Verfügbarkeit des Patienten: Eine aktuelle Angabe, ob der Patient derzeit eine Transplantation erhalten kann. Zu den Faktoren gehören die aktuelle Gesundheit und das Reisen.

4. Verfügbarkeit des Transplantationszentrums: Berücksichtigt die Verfügbarkeit des Transplantationszentrums – es gibt Einrichtungen wie vorbereitete Operationssäle, Chirurgen, Krankenschwestern und Personal für die rechtzeitige Durchführung der Operation.

Bei perfekter Information hätte OPTN Zugriff auf aktuelle Informationen über die Akzeptanzschwellen k aller Patienten, etwaige zusätzliche Anforderungen an das Organ und ob der Patient und das Zentrum verfügbar sind. Daher könnte OPTN direkt den ersten Patienten auf der Warteliste identifizieren, der die Transplantation annehmen und erhalten wird. Dadurch wird die CIT, dh t, effektiv auf das Minimum reduziert, das zur Entnahme des Organs und zur Durchführung der Transplantation erforderlich ist. Im Simulationsmodell können perfekte Informationen ausgedrückt werden, indem g auf die Länge der Warteliste gesetzt wird, was anzeigt, dass die gesamte Warteliste sofort nach einem passenden Patienten durchsucht wird. Die Annahme perfekter Informationen ist aus vielen Gründen unrealistisch. Beispielsweise können technische Probleme die Verfügbarkeit von Informationen beeinträchtigen und Patienten oder Zentren halten möglicherweise nicht alle Informationen ständig auf dem neuesten Stand. Eine realistischere Einstellung wird verbessert, aber immer noch unvollkommener Informationsaustausch. Mehr Informationen bedeuten, dass Patienten anhand der geteilten Informationen schneller identifiziert werden können. Wir drücken diese Tatsache im Simulationsmodell durch eine erhöhte Anzahl von Patienten aus, die pro Stunde durchsucht werden können (dh eine Erhöhung von g).

Um die Wirkung des verbesserten Informationsaustauschs zu veranschaulichen, berichten wir die Ergebnisse für Patienten der Blutgruppe A in Region 6. Wir initialisieren die Warteliste mit 1000 Patienten und führen die Simulation durch, bis sich die Länge der Warteliste bei etwa 1800 Patienten stabilisiert (200 Monate). Wir berichten Ergebnisse nach dieser Aufwärmphase, die im Durchschnitt über 300 Monate liegt. Die Basislinie ist die derzeit verwendete Gruppengröße von g=5. Wir variieren g, um unterschiedliche Ebenen des Informationsaustauschs darzustellen.

Tabelle 8 zeigt die Auswirkungen des Informationsaustauschs, ausgedrückt darin, wie viele Patienten auf der Warteliste effektiv pro Stunde berücksichtigt werden können. Bei einer Ausgangsgruppengröße von fünf beträgt die akzeptierte durchschnittliche Nierenqualität 0,66, was zu einer durchschnittlichen Nützlichkeit von 10,76 Jahren pro transplantiertem Patienten führt. Die Niere kann bis zu 45 Patienten auf der Warteliste reisen und wird im Durchschnitt vom sechsten Patienten angenommen. Tabelle 9 zeigt zusätzlich zur Transplantationsrate die Nierenauslastung und die Sterblichkeitsraten auf der Warteliste. Die Nierenauslastungsrate steigt mit zunehmendem g signifikant an.

Wie Abbildung 5 zeigt, ist die Verbesserung in derNiereDie Transplantationsrate beträgt 17 Prozent für die Verdopplung der Geschwindigkeit des Angebotsprozesses g=10 und erreicht 47 Prozent, wenn perfekte Informationen verfügbar sind. Andererseits sinkt die Sterblichkeitsrate auf der Warteliste um 7 Prozent, wenn g=10, und die Verringerung kann bis zu 21 Prozent betragen. Die Simulation verdeutlicht die Effizienzwirkung, die der Informationsaustausch auf den Zuweisungsprozess haben kann.

Die gemeinsame Nutzung von Informationen kann unter Verwendung aktueller Technologie auf viele Arten implementiert werden. Beispiele sind die Verwendung von Apps und medizinischen Wearables, um die Verfügbarkeit des Patienten nahezu in Echtzeit zu verfolgen. Standardisierte Schnittstellen zwischen dem Informationssystem der Transplantationszentren und OPTN können verwendet werden, um die Verfügbarkeit der Zentren zu verwalten. Die Einführung dieser Technologien wird einige Zeit in Anspruch nehmen, aber die in dieser Simulationsstudie präsentierten Ergebnisse zeigen, dass der potenzielle Nutzen erheblich ist und möglicherweise reduziert werden kannNiereRückwurfquoten auf ein Minimum.

5. Schlussbemerkungen

Der erste Beitrag dieser Forschung ist die Entwicklung eines Simulationsmodells, das einen optimalen verstorbenen Spender liefertNiereAkzeptanzleitfaden für Entscheidungsträger (Patienten und Chirurgen). Die größte Herausforderung bei der Modellierung der Akzeptanz/Abstoßung von Organen besteht darin, reale Bedingungen und Situationen einzubeziehen, um eine entscheidende lebensrettende Entscheidung zu treffen. Aus diesem Grund ist es unsere primäre Absicht als Hauptneuheit dieser Arbeit, verschiedene wesentliche Elemente zu erkennen, zu aggregieren und zu implementieren, die zu den Nierenauswahlkriterien beitragen. Das vorgeschlagene Modell ermöglicht Vielfalt in der Gesundheit der Patienten undNiereQualität sowie deren Zusammenhang. Darüber hinaus beziehen wir die Qualitätsverschlechterung der Nieren, die durch die Anhäufung von CIT verursacht wird, in den fortschreitenden Zuweisungsprozess ein. Zusätzlich zu allen oben genannten Elementen berücksichtigen wir auch die Gesundheit und Verfügbarkeit der Patienten sowie die Personal- und Einrichtungsressourcen, um eine optimale Transplantationslösung vorzuschlagen.

Das vorgeschlagene Modell kann verwendet werden, um zu untersuchen, wie sich unterschiedliche politische Entscheidungen auf die von OTPN angegebenen strategischen Ziele auswirken können [16]. Wir haben dies anhand von zwei Anwendungen veranschaulicht. Zuerst haben wir gezeigt, wie das Modell angewendet werden kann, um Patientenentscheidungen bezüglich mehrerer Einschreibungen bei gegebenen Kosten-, Entfernungs- und Versorgungsqualitätsbeschränkungen zu informieren. Während mehrere Listen kurzfristig die Chancengleichheit zwischen Patienten auf der Grundlage finanzieller Ressourcen vor Herausforderungen stellen können, haben sie das Potenzial, geografische Unterschiede beim Zugang zu Transplantaten auszugleichen und somit die Chancengleichheit zu erhöhen.

Eine zweite Illustration lenkt die Aufmerksamkeit auf den sozialen Wohlfahrtsaspekt vonNiereTransplantation, anstatt sich darauf zu konzentrieren, eine optimale Lösung zu finden, wie sie in der ersten Anwendung in Betracht gezogen wurde. Wir vergleichen die Ergebnisse der sozialen Wohlfahrt (dh Nutzung der Spenderniere und systemweiter Nützlichkeit nach der Transplantation) für mehrere Ebenen verfügbarer Informationen, die von keiner Information bis zu perfekter Information reichen. Mehr Informationen führen zu einer schnelleren Nierenzuordnung und einer geringeren Nierenverwerfungsrate. Eine Erhöhung der Transplantationsrate verbessert den Nutzen für die soziale Wohlfahrt und verkürzt die Dauer der TransplantationNiereTransplantationswarteliste, Zeit und Sterblichkeitsrate. Politiker können diese Ergebnisse nutzen, um den Wert moderner Informationstechnologie zum Sammeln der erforderlichen Informationen zu motivieren und die Bedeutung der Gestaltung von Anreizstrukturen aufzuzeigen, die den zeitnahen Informationsaustausch zwischen Patienten und Zentren fördern. Beispielsweise kann das Entwerfen einer Organtransplantationsanwendung für ein Smartphone eine sichere, einfache und schnelle Möglichkeit bieten, die erforderlichen Informationen rechtzeitig einzureichen und zu aktualisieren. Der politische Entscheidungsträger möchte möglicherweise eine Grundregel aufstellen, die alle Patienten und Transplantationszentren befolgen müssen, um Angebote zu erhalten. Zum Beispiel können Transplantationszentren durch die Verwendung von obligatorischer App-Technologie und -Service ihre übermittelten Daten regelmäßig (z. B. jeden Tag) überarbeiten oder überprüfen, nachdem die Position eines Patienten auf der Warteliste einen bestimmten Schwellenwert überschritten hat. Das vorgeschlagene Modell ist einfach und flexibel genug, um leicht angepasst zu werden, um viele andere Aspekte des Nierenzuweisungsprozesses zu untersuchen.

Author CantriButians:Die Autoren haben zu gleichen Teilen zu dieser Arbeit beigetragen. Alle Autoren haben die veröffentlichte Version des Manuskripts gelesen und sind damit einverstanden

Fondsing:Diese Forschung erhielt keine Drittmittel.

Institutianal Review Board Statement:Unzutreffend.

Informed Consent Statement:Unzutreffend.

Data Availabich Lity Statement:Der in dieser Analyse verwendete Datensatz kann über UNOS bezogen werden.

Ceinflicts of Interest:Die Autoren geben keinen Interessenkonflikt an.

Cistanche-Bodybuilding

Referenzen

1. Universität von Kalifornien San Francisco. DasNiereProjekt – Erstellen eines bioartifiziellen ProduktsNiereals dauerhafte Lösung bei Nierenversagen. Online verfügbar: (Zugriff am 4. April 2020).

2. NationalNiereStiftung. Organspende- und Transplantationsstatistik. 2016. Online verfügbar: (Zugriff am 16. April 2020).

3. UNOS-Regionen: Regionale Ressourcen für Organtransplantationen. Online verfügbar: (Zugriff am 20. März 2020).

4. OPTN. Richtlinien gültig ab 6. Dezember 2020 [Ex Comm 9.9.A.]. Online verfügbar: (Zugriff am 2. Januar 2021).

5. Wey, A.; Salkowski, N.; Kasiske, BL; Israeli, AK; Snyder, JJ Einfluss vonNiereAngebotsakzeptanzverhalten auf Metriken der Allokationseffizienz. Klin. Transplantation. 2017, 31, e13057.

6. Koizumi, N.; DasGupta, D.; Patel, AV; Smith, TE; Mayer, JD; Callender, C.; Melancon, JK Geografische Variation in der Zeit der kalten Ischämie:NiereVersus Lebertransplantation in den Vereinigten Staaten, 2003 bis 2011. Transplantation. Direkte2015, 1, e27.

7. Howard, DH Warum lehnen Transplantationschirurgen Organe ab?: Ein Modell der Akzeptieren/Ablehnen-Entscheidung. J. Health Econ. 2002, 21, 957–969.

8. Lawson, C.; Johnson, D.; Klöppel, D.; Fowler, K.; Kapur, S. Abnahme derNiereVerwerfungsrate. Niere Nachrichten. 2017. Online verfügbar: (Zugriff am 22. Februar 2020).

9. Zhang, J. Der Klang der Stille: Beobachtungslernen in den USANiereMarkt. Markieren. Wissenschaft. 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. Die Vereinigung von Zentrumsleistungsbewertungen undNiereTransplantationsvolumen in den Vereinigten Staaten. Bin. J. Transplantation. 2013, 13, 67–75.

11. Schold, J.; Buccini, L.; Poggio, E.; Flechner, S.; Goldfarb, D. Association of Candidate Removals From theNiereWarteliste für Transplantationen und Überwachung der Leistung des Zentrums. Bin. J. Transplantation. Aus. Marmelade. Soc. Transplantation. Bin. Soc. Transpl. Chirurg. 2016, 16, 1276–1284.

12. Bae, S.; Massie, AB; Luo, X.; Anjum, S.; Desai, NM; Segev, DL Änderungen der Verwerfungsrate nach der Einführung des Kidney Donor Profile Index (KDPI). Bin. J. Transplantation. 2016, 16, 2202–2207.

13. Schold, JD; Buccini, LD; Goldfarb, DA; Flechner, SM; Poggio, ED; Sehgal, AR Verein zwischenNiereLeistung des Transplantationszentrums und der Überlebensvorteil der Transplantation gegenüber der Dialyse. Klin. Marmelade. Soc. Nephrol. 2014, 9, 1773–1780.

14. Haller, MC; Kainz, A.; Bär, H.; Oberbauer, R. Dialysejahrgang und Ergebnisse danachNiereTransplantation: Eine retrospektive Kohortenstudie. Klin. Marmelade. Soc. Nephrol. 2016, 12, 122–130.

15. UNOS. Apropos Transplantation – Häufig gestellte Fragen zu Mehrfachauflistungen und Wartezeitumbuchung. 2017. Online verfügbar: (Zugriff am 13. Juni 2020).

16. OPTN. OPTN/UNOS-Strategieplan 2018–2021. Online verfügbar: (Zugriff am 12. April 2020).

17. Chakkera, HA; Chertow, GM; O’Hare, AM; Amend, WJ; Gonwa, TA Regionale Variation inNiereTransplantationsergebnisse: Trends im Laufe der Zeit. Klin. Marmelade. Soc. Nephrol. 2009, 4, 152–159.

18. Ardekani, MS; Orlowski, JM Mehrfache Auflistung inNiereTransplantation. Bin. J.NiereDis. 2010, 55, 717–725.

19. UNOS. Mehrfache Auflistung. Online verfügbar: (Zugriff am 1. Dezember 2018).

20. Gharibi, Z.; Ayvaci, MU; Hähsler, M.; Giacoma, T.; Gaston, RS; Tanriover, B. Kosteneffizienz der Antikörper-basierten Induktionstherapie bei verstorbenen SpendernNiereTransplantation in den USA. Transplantation 2017, 101, 1234.