Un modèle d'optimisation basé sur la simulation pour étudier l'impact de la liste de plusieurs régions et du partage d'informations sur les résultats de la greffe de rein

Zahra Gharibi 1* et Michael Hahsler 2

Résumé:Plus de 8000 patients sur liste d'attente pourun reintransplantation meurent ou deviennent inadmissibles à recevoir des greffes en raison de la détérioration de leur santé. Dans le même temps, plus de 4000 reins récupérés de donneurs décédés sont jetés chaque année aux États-Unis. Cet article développe un modèle d'optimisation basé sur la simulation qui considère plusieurs facteurs cruciaux pour unun reingreffe pour améliorerun reinutilisation. Contrairement à la plupart des modèles proposés, le modèle d'optimisation présenté intègre des détails sur le processus d'offre, la détérioration de la santé du patient etun reinqualité au fil du temps, la corrélation entre la santé des patients et les décisions d'acceptation, et la probabilité d'acceptation du rein. Nous estimons les paramètres du modèle à l'aide des données obtenues du United Network of Organ Sharing (UNOS) et du Scientific Registry of Transplant Recipients (SRTR). À l'aide de ces paramètres, nous illustrons la puissance du modèle d'optimisation basé sur la simulation à l'aide de deux applications connexes. Le premier explore les effets d'encourager les patients à s'inscrire sur une liste d'attente dans plusieurs régions sur les résultats post-transplantation. Ici, un modèle d'optimisation basé sur la simulation permet au patient de sélectionner les meilleures régions dans lesquelles s'inscrire sur liste d'attente, compte tenu de leurs ratios demande/offre. La deuxième application se concentre sur un aspect systémique de la transplantation, à savoir la contribution du partage d'informations sur l'amélioration des taux d'élimination des reins et du bien-être social. Nous étudions les effets de l'utilisation des technologies de l'information modernes pour accélérer la recherche d'un patient correspondant à un organe de donneur disponible sur la mortalité des listes d'attente, les rejets de rein et les taux de transplantation. Nous montrons que le soutien des technologies de l'information modernes actuellement développé par le United Network for Organ Sharing (UNOS) est essentiel et peut améliorer considérablement l'utilisation des reins.

Mots clés:modèle de simulation;un reinacceptation;un reinallocation; liste de plusieurs régions ; partage d'information

Contact:joanna.jia@wecistanche.com

Cistanchetubulosa prévient les maladies rénales, cliquez ici pour obtenir l'échantillon

1. Introduction

Chroniqueun rein(CKD) est une perte progressive deun reinfonctionner dans le temps. L'IRC est une crise sanitaire mondiale car, à l'heure actuelle, plus de 2 millions de patients souffrent d'insuffisance rénale terminale (IRT) ou d'insuffisance rénale. On s'attend à ce que le nombre de patients diagnostiqués avec l'IRT augmente à un taux compris entre 5 % et 7 % chaque année [1]. À l'heure actuelle, il n'y a pas de remède pourun reinéchec, et les patients atteints d'insuffisance rénale terminale doivent recevoir une dialyse fréquente ou une greffe de rein d'un donneur vivant ou décédé pour survivre. Pour la plupart des patients, la greffe de rein est le traitement préféré qui offre une espérance de vie plus longue avec une meilleure qualité de vie que la dialyse. Cependant, les patients du monde entier sont confrontés à une pénurie chronique de reins de donneurs accessibles à la greffe.

À l'heure actuelle aux États-Unis, près de 100 000 patients sont sur liste d'attente et, en moyenne, plus de 3 000 nouveaux patients sont inscrits chaque mois. Chaque année, plus de 4000 patients meurent en attendant une solution vitaleun reingreffe, et plus de 4000 deviennent trop malades et sont Pour comprendre les raisons derrière des taux de rejet aussi élevés, nous devons examiner lesun reinprocessus d'attribution et d'offre. Il existe des différences considérables entre les reins de donneurs vivants et décédés et entre les différents pays. Nous nous concentrons ici surreinsprovenant de donneurs décédés aux États-Unis. Les critères les plus importants pour l'attribution du rein d'un donneur décédé sont (1) la compatibilité médicale donneur-receveur, (2) les facteurs logistiques et (3) la position du patient sur la liste d'attente (p. ex., temps d'attente, points). Plus précisément, aux États-Unis, le United Network of Organ Sharing (UNOS) administre le Organ Procurement and Transplant Network (OPTN) et est responsable de la collecte de données sur les patients et les donneurs. Outre les informations logistiques et le temps d'attente, les données de la liste d'attente incluent l'identité du patient, des facteurs démographiques (par exemple, le sexe, la race, l'âge) et des caractéristiques médicales (par exemple, le groupe sanguin ABO, les antigènes leucocytaires humains (HLA), les anticorps (PRA)). De même, pour créer une base de données de donneurs décédés, l'UNOS obtient des informations sur la démographie des donneurs, la logistique des donneurs, la récupération et la préservation, et les caractéristiques médicales des donneurs. aux États-Unis, un total de 16 534 reins ont été transplantés. Malgré la forte demande et la pénurie importante de reins, environ un rein sur cinq prélevé sur des donneurs décédés est jeté [2].

Pour comprendre les raisons de ces taux élevés de rejet, nous devons examiner lesun reinprocessus d'attribution et d'offre. Il existe des différences considérables entre donneur vivant et donneur décédéreinset entre différents pays. Nous nous concentrons ici sur les reins de donneurs décédés aux États-Unis. Les critères les plus importants pour l'attribution du rein d'un donneur décédé sont (1) la compatibilité médicale donneur-receveur, (2) les facteurs logistiques et (3) la position du patient sur la liste d'attente (p. ex., temps d'attente, points). Plus précisément, aux États-Unis, le United Network of Organ Sharing (UNOS) administre le Organ Procurement and Transplant Network (OPTN) et est responsable de la collecte de données sur les patients et les donneurs. Outre les informations logistiques et le temps d'attente, les données de la liste d'attente incluent l'identité du patient, des facteurs démographiques (par exemple, le sexe, la race, l'âge) et des caractéristiques médicales (par exemple, le groupe sanguin ABO, les antigènes leucocytaires humains (HLA), les anticorps (PRA)). De même, pour créer une base de données de donneurs décédés, l'UNOS obtient des informations sur la démographie des donneurs, la logistique des donneurs, la récupération et la préservation, et les caractéristiques médicales des donneurs.

L'UNOS utilise un réseau informatique centralisé pour connecter toutes les organisations d'approvisionnement en organes (OPO) et les centres de transplantation. Pour allouer les donsreins, l'UNOS utilise son système d'appariement donneur-bénéficiaire. Chaque fois qu'un nouveau donneur décédéun reinest récupéré pour la transplantation, UNOS applique un algorithme de match-run, un programme qui compare les données du donneur avec les données des patients actifs sur la liste d'attente. Une liste de patients classée par ordre est générée à l'aide des règles et des politiques d'attribution des reins. Les facteurs pris en compte dans la création de cette liste comprennent le temps d'attente, la compatibilité du système immunitaire donneur-receveur, l'éligibilité prioritaire des donneurs vivants, la distance de l'hôpital donneur, l'avantage de survie (correspondance de longévité donneur-receveur) et le statut pédiatrique.

Le processus d'offre complet est complexe et nous nous concentrons ici uniquement sur les principaux composants qui sont nécessaires pour le modèle de simulation discuté dans cet article. Le processus commence avec les patients répertoriés dans les OPO locaux (il y a 58 OPO aux États-Unis, chacun avec sa zone de service désignée), qui sont médicalement compatibles et ont la plus haute priorité sur la liste d'attente. Si l'attribution locale échoue, l'organe est offert dans la région (les États-Unis sont actuellement divisés en 11 régions de transplantation) et enfin à l'échelle nationale. Les figures 1a, b montrent 11 régions géographiques aux États-Unis [3] et la hiérarchie géographique du processus d'offre de rein, respectivement. Plus de détails sur la politique d'approvisionnement et d'attribution d'organes sont disponibles dans [4]. L'une des raisons de donner la priorité aux patients locaux dans leun reinprocessus d'attribution est de réduire le temps entre le prélèvement d'organe et l'implantation. Ce temps est appelé Cold Ischemia Time (CIT) et joue un rôle essentiel dans les résultats de la transplantation rénale [5,6].

La figure 2 et le tableau 1 montrent les variations régionales du CIT, du temps d'attente etun reinles résultats des greffes aux États-Unis, respectivement. Il existe des variations substantielles dans les temps d'attente des reins des donneurs décédés aux États-Unis. Plusieurs facteurs peuvent influer sur le temps d'attente d'un patient jusqu'à la greffe. Outre les facteurs cliniques du patient tels que le groupe sanguin et le degré de sensibilisation démontré par PRA (anticorps réactif au panel), la géographie et le lieu de résidence du patient ont un effet considérable sur les chances d'accéder à une greffe de rein en temps opportun. Ceci est important car les régions avec un CIT plus long sont plus susceptibles d'avoir des taux de greffe post-transplantation et de survie des patients plus faibles. Plus précisément, comme le suggèrent les résultats des taux de survie des patients et des greffons à un et cinq ans après une greffe de rein, la région 9 avec le CIT le plus long parmi toutes les régions a les taux de survie des patients et des greffons à un et cinq ans les plus faibles parmi les 11 Régions. Typiquement lorsque le CIT atteint 24h, il est difficile de trouver un patient pour accepter l'organe proposé. Dans la plupart des cas, les reins sont jetés après 48 h de CIT. Ainsi, la réduction du CIT rénal grâce à des améliorations managériales pourrait être un moyen rentable d'améliorer le système de transplantation actuel et ses résultats.

Les chirurgiens de transplantation et les régulateurs aux États-Unis ont exprimé leurs inquiétudes concernant les taux élevés observésun reintaux d'abandon malgré la liste d'attente croissante, les longs temps d'attente et le taux élevé de retrait de la liste d'attente. Le tableau 2 présente les informations sur les listes d'attente et les greffes pour les États-Unis et les pays d'Eurotransplant (ET). Eurotransplant est une organisation internationale à but non lucratif responsable de l'attribution et de la transplantation d'organes en Autriche (A), en Belgique (B), en Croatie (HR), en Allemagne (D), en Hongrie (H), au Luxembourg (LR), aux Pays-Bas (NL) et en Slovénie. (SLO). Même si le nombre de donsreinset les greffes effectuées en 2019 aux États-Unis ont atteint un niveau record, le taux de rejet de rein d'environ 26 % (calculé comme le nombre de greffes de rein décédées sur le double du nombre total de donneurs décédés) reste préoccupant, par rapport à l'ET taux de rejet des pays de 20 pour cent .

La raison la plus courante du donun reinle refus et le rejet potentiel sont des préoccupations concernant la qualité du rein du donneur. Les données montrent que les chirurgiens transplanteurs rejetteraient les reins de mauvaise qualité pour un patient relativement en bonne santé dans l'espoir de recevoir une meilleure offre à l'avenir [7]. En plus deun reinqualité,un reinles taux d'acceptation et de rejet peuvent également être affectés par le processus d'allocation lui-même [8]. Les preuves montrent que les reins rejetés au début du processus d'attribution sont moins susceptibles d'être acceptés plus tard [9]. Une autre préoccupation est l'aversion croissante au risque des centres de transplantation en raison des rapports spécifiques aux programmes qui évaluent les résultats post-transplantation. Ceux-ci peuvent inciter les centres à exiger des reins de meilleure qualité. Par conséquent, ils pourraient refuser des reins adéquats pour le patient, mais cela risque d'avoir un impact négatif sur l'évaluation de leurs résultats post-transplantation [8, 10–15].

Une autre raison de ne pas observer suffisamment hautun reinl'utilisation est la disparité géographique américaine dans l'accès à la transplantation rénale. Le tableau 3 montre les disparités géographiques dans le nombre de donneurs décédés, d'OPO et de centres de transplantation dans les 11 régions. Plusieurs États tels que le Wyoming, l'Idaho et le Montana n'ont pas de centres de transplantation malgré leur taux élevé de dons d'organes. Une telle variation et différence dans les OPO et les installations de transplantation d'organes peut entraîner une disponibilité inéquitable des organes, un accès médiocre aux soins et de longs temps d'attente inutiles pour certains patients. L'un des cinq objectifs stratégiques de l'UNOS est d'assurer l'équité dans l'accès aux greffes et de réduire les disparités géographiques [16]. Pour améliorer les chances de recevoir un organe donné bien adapté et réduire le long temps d'attente, les patients peuvent déménager dans une région où les temps d'attente sont plus courts ou s'inscrire dans plusieurs centres de transplantation, généralement situés dans différentes régions [17]. L'UNOS a établi des politiques d'inscription multiples qui permettent aux patients d'être enrôlés dans plus d'un centre de transplantation.

Actuellement, environ 4 % des patients en attente d'unun reingreffe sont répertoriées sur plusieurs listes, ce qui représente le taux le plus élevé parmi tous les organes [18].

Comme pour toute greffe enrôlée, le patient doit passer des tests d'évaluation et s'engager à respecter la réglementation du centre de greffe, comme la capacité de se rendre au centre de greffe dans un délai donné. Pour l'enrôlement dans plusieurs centres, ce processus peut être assez coûteux puisque la plupart des compagnies d'assurance peuvent ne pas rembourser le coût des évaluations supplémentaires [15,19]. De plus, les patients qui reçoivent des greffes d'organes doivent prendre des médicaments immunosuppresseurs dans le cadre de leurs soins post-greffe pour s'assurer que leur corps ne rejette pas un nouvel organe [20]. Par conséquent, une patiente doit savoir si les soins post-transplantation peuvent être transférés dans un centre plus proche de sa résidence. Sans politiques de soutien financier adéquat pour les frais de voyage, cela pose clairement un problème d'équité et d'impartialité que les décideurs doivent résoudre.

Dans cet article, nous introduisons un modèle de simulation stochastique qui peut être utilisé pour analyser l'effet des changements apportés au système d'attribution des reins et au processus d'offre. Le modèle de simulation implique la santé du patient, la qualité du rein du donneur représentée parUn reinDonor Profile Index (KDPI) [21], détérioration de la qualité du rein du donneur due à l'accumulation de CIT au cours du processus d'attribution, ainsi que l'offre et la demande de rein. En outre, le modèle prend en compte la possibilité qu'un rein de donneur ne puisse être accepté pour d'autres raisons (par exemple, maladie à court terme du patient, ressources chirurgicales insuffisantes, résultat de compatibilité croisée). En utilisant les paramètres du modèle estimés à partir des données fournies par l'UNOS et le Registre scientifique des receveurs de greffes (SRTR), nous appliquons le modèle de simulation pour étudier les deux tendances cruciales suivantes afin d'améliorer les taux de transplantation rénale des donneurs :

1. Inscriptions multiples : Le transfert vers une région où le temps d'attente est plus court ou une liste d'attente dans plusieurs régions peut aider une patiente en augmentant ses chances de recevoir une greffe de rein plus tôt. Par conséquent, le patient peut améliorer les résultats post-transplantation en raison d'une moindre détérioration de la santé liée au maintien de la dialyse. Cependant, développer une stratégie pour guider le patient dans sa décision de transfert ou d'inscription multiple n'est pas facile. Nous formulons la décision comme un problème de maximisation de l'utilité sous un ensemble de contraintes de budget, de distance et d'installation au niveau régional. L'offre et la demande varient considérablement dans les 11 régions des États-Unis et pour les différents groupes sanguins. Une telle variation entraîne des temps d'attente très variables, conduisant à des utilités attendues différentes et à des stratégies optimales d'acceptation des reins (exprimées en seuils optimaux de qualité des reins). Pour dériver l'utilité d'un patient pour différentes régions, nous utilisons le modèle de simulation pour obtenir l'utilité dans le cadre de décisions d'acceptation de greffe de rein optimales individualisées en fonction de l'état de santé du patient et de l'offre et de la demande pour le groupe sanguin du patient. Nous utilisons les informations obtenues pour résoudre le problème d'optimisation et déduire une politique de sélection de région optimale.

2. Technologie de l'information : Une communication rapide et précise entre l'UNOS et les centres de transplantation est nécessaire pour rendre l'attribution des organes plus efficace, ce qui devient encore plus critique face aux patients multi-listés. L'UNOS a pour objectif d'accroître l'utilisation des technologies de l'information dans l'attribution et la transplantation d'organes. Ils ont mis en place un système en ligne sécurisé qui collecte des données pour améliorer la capacité du système de transplantation à améliorer les chances du patient de recevoir un organe vital. Au fur et à mesure que la technologie a évolué, l'UNOS encourage également le développement et l'utilisation de technologies modernes telles que les appareils mobiles pour une prise en compte plus rapide et plus efficace des demandes des donateurs.un reinpropose d'atteindre un taux d'utilisation des reins plus élevé [22]. Par exemple, les appareils mobiles faciliteront la collecte à jour de la disponibilité des patients pour la transplantation (par exemple, via une application). En utilisant ces informations, OPTN attribuera le rein plus rapidement, réduisant ainsi la détérioration et l'élimination des reins. Dans le cas idéal d'une information parfaite, OPTN pourrait trouver le premier patient sur la liste d'attente qui acceptera instantanément leun rein, réduisant le CIT et les rejets au minimum. La simulation présentée évalue l'effet d'un cas réaliste de partage d'informations imparfait.

   
   

   
   

2. Revue de la littérature

Dans cette section, nous passons en revue les études médicales et analytiques sur la transplantation d'organes pertinentes pour cet article. Pour les articles médicaux, nous nous concentrons principalement sur le CIT et l'attente de la durée de la dialyse en tant que deux facteurs de risque indépendants gérables contribuant efficacement aux résultats de la transplantation rénale. Pour la section analytique, nous passons en revue les articles qui relèvent de l'un ou des deux volets de recherche concernés par la prise de décision d'accepter les organes d'un donneur décédé et la conception du processus d'attribution.

2.1. Littérature médicale

Plusieurs chercheurs d'Amérique du Nord, d'Amérique du Sud et d'Europe ont étudié l'association entre le CIT etun reinrésultats de la greffe [23,24]. L'analyse effectuée par Nieto-Ríos et al. [25] montre que le CIT est un facteur de risque indépendant de retard de fonction du greffon (DGF). Plus précisément, le risque de développer une DGF augmente lorsque le CIT dépasse 18 h. Cependant, cela n'a pas d'impact négatif sur les résultats en termes de rejet aigu ou de perte de greffe après un an de greffe.

Une étude française de Debout et al. [26] constate que le risque d'échec de l'allogreffe post-greffe et de mortalité augmente notablement pour chaque heure supplémentaire de CIT. Une étude similaire réalisée par Valdivia et al. [27] en Andalousie, Espagne, confirme qu'une CIT prolongée peut avoir un impact sur les taux de survie des patients et des greffons. L'étude suggère que la longue CIT peut augmenter le risque de mauvais fonctionnement initial du greffon, quel que soit l'âge du donneur et du receveur. À mesure que le CIT augmente, le risque de DGF augmente également. Cependant, l'association néfaste d'un CIT prolongé avec le risque de DGF n'est pas amplifiée chez les donneurs âgés (par exemple, critères élargis, donneurs). L'étude montre que l'effet de la CIT sur le rejet aigu de greffe rénale (ARTR) est plus perceptible chez les patients subissantun reinretransplantation. L'analyse suggère également que les reins donnés avec un CIT de 24 h ou plus présentent un risque plus élevé d'ARTR par rapport à celui des organes avec un CIT de moins de 12 h. Koizumi et al. [6] rapportent que des variations régionales des résultats rénaux ont été observées aux États-Unis, mais la raison principale derrière ces variations n'est pas claire. L'étude révèle des variations significatives du temps d'ischémie froide (CIT) d'une région à l'autre pour les reins des donneurs. Plus précisément, ils constatent que les régions avec un CIT plus long sont plus susceptibles d'avoir un taux de survie rénale post-transplantation plus faible. Ils suggèrent que les améliorations managériales peuvent être un choix rentable pour améliorer les performances actuelles du système de transplantation et la possibilité de réduire les taux de rejet d'organes.

Meier-Kriesche et al. [28] utilisent les données du United States Renal Data System Registry (USRDS) pour considérer l'association potentielle entre le temps d'attente et les résultats de la transplantation rénale. Leur étude confirme que la longue période d'attente est un facteur de risque important qui affecte négativement les avantages de survie de la transplantation rénale. En conséquence, ils suggèrent que plus tôt les patients atteints d'IRT reçoivent une greffe rénale, plus leurs chances de survie à long terme sont élevées. Meier-Kriesche et Kaplan [29] étudient l'importance du temps d'attente en dialyse en tant que facteur de risque indépendant le plusun reinrésultats de la greffe. Dans le cadre de leur analyse, ils appliquent les estimations de Kaplan-Meier et les modèles de risques proportionnels de Cox sur la base de données du système de données rénales américain pour explorer l'effet du temps d'attente sur le donneur décédé.un reinrésultats. Leurs résultats montrent que les taux de survie des greffons à cinq et dix ans sont significativement moins bons chez les receveurs de reins appariés qui ont attendu plus de deux ans sous dialyse par rapport aux receveurs appariés.un reinbénéficiaires avec un temps d'attente de moins de six mois.

2.2. Littérature analytique

La littérature analytique se concentre sur la conception desun reinprocessus d'allocation et emploie souvent des modèles de simulation. Les questions discutées sont l'efficacité et l'équité du processus d'attribution et l'effet de la décision d'acceptation du rein.

Pour analyser le processus d'allocation utilisé en 2000, Zenios et al. [30] proposent une allocation dynamique des ressources qui maximise l'espérance de vie du patient après avoir reçu une greffe de rein tout en minimisant l'inégalité entre les patients. Le modèle de simulation construit montre que la politique d'attribution d'organes actuellement en vigueur augmente l'espérance de vie ajustée à la qualité du patient et réduit le temps d'attente prévu.

Laun reindécision d'acceptation est au cœur de tout un courant de recherche. Ahn et Hornberger [31] développent un modèle théorique qui tient compte de la santé du patient pour prendre une décision d'acceptation/rejet concernant la qualité des reins offerts. Leur analyse révèle qu'un patient relativement en bonne santé peut se permettre d'être sélectif quant à la qualité de lareinset s'attendre à obtenir un meilleur résultat post-transplantation en acceptant un rein de haute qualité. L'effet du choix du patient sur le système d'attribution des organes est étudié par Su et Zenios [32]. L'étude présente un modèle de file d'attente qui analyse les effets du choix du patient sur les taux de rejet du rein en évaluant les performances du système d'attente dans le cadre des politiques du premier arrivé, premier servi (FCFS) et du dernier arrivé, premier servi (LCFS). Ils concluent que LCFS est plus efficace que FCFS. En fait, contrairement au LCFS, la politique du FCFS incite les patients à refuser les reins de mauvaise qualité, ce qui entraîne une faible utilisation des reins. D'autre part, le modèle montre que la politique LCFS obtient une utilisation optimale des organes. Dans une autre étude, Su et Zenios [33] étudient le rôle du choix du patient dans l'attribution des reins en utilisant un modèle d'attribution stochastique séquentiel. Le modèle aborde le conflit entre le choix du patient et le bien-être social. L'analyse considère deux schémas, le premier supposant que les patients doivent accepter tout rein offert. La première meilleure solution est de trouver une politique d'allocation qui maximise le bien-être social. En introduisant le choix du patient, la politique de premier choix est modifiée pour aboutir à une politique de second choix. En conséquence, une condition de compatibilité incitative est introduite, ce qui oblige la politique d'attribution à être conçue de manière à garantir que les patients accepteront toute offre de rein. Su et Zenios [34] introduisent un modèle de conception de mécanisme pour l'allocation d'organes qui prend en compte le choix du patient. Les patients indiquent les types de rein (par exemple, la qualité) qu'ils souhaitent recevoir lorsqu'ils s'inscrivent sur la liste d'attente de greffe de rein (et non au moment de l'offre de rein du donneur) et rejoignent la file d'attente qui dessert le type de rein déclaré. De cette façon, le modèle réduit le long processus de recherche en identifiant les patients appropriés qui souhaitent accepter plus efficacement les reins de donneurs récupérés.

La justice et l'équité sont des sujets importants Bertsimas et al. [35] étudient les disparités géographiques dans l'accès au donneur décédéreins. Ils utilisent une approximation fluide pour un modèle de file d'attente afin de formuler la manière optimale pour qu'un patient soit inscrit sur les listes d'attente de plusieurs centres de transplantation. L'objectif du patient est de maximiser l'espérance de vie tout en minimisant le coût de la congestion. En combinant des résultats analytiques, de simulation et numériques, ils montrent que les cotations multiples favorisent grandement l'équité géographique et augmentent le nombre de donateurs.un reinla fourniture. Avoir plus de donneurs entraîne un taux de transplantation plus élevé et réduit le taux de mortalité des patients sur la liste d'attente. Quelques études [36–38] ont développé des modèles permettant à un couple donneur-receveur incompatible de recevoir encore un rein de donneur vivant via un échange avec d'autres couples donneur-receveur incompatibles. Alors que la plupart des modèles existants visent à maximiser le nombre total d'échanges de rein possibles et le bien-être social, ils ne tiennent pas compte de la composante d'équité définie comme la satisfaction du donneur-receveur. Lee et al. [39] présentent un modèle de programmation stochastique en deux étapes qui tient compte de l'équité dans les programmes d'échange de rein avec donneur vivant. L'étude examine plusieurs scénarios pour étudier l'effet de l'équité sur les résultats de l'échange de rein. Les résultats numériques montrent l'amélioration des résultats du programme d'échange de donneurs vivants lorsque l'équité est prise en compte dans l'appariement des paires incompatibles. Notez que certaines études discutées ici examinent l'impact de l'équité dans la transplantation rénale vivante ; cependant, nous nous concentrons uniquement sur les greffes utilisant des reins de donneurs décédés.

Les simulations présentées dans la littérature utilisent des hypothèses fortes. Par exemple, Su et Zenios [33] supposent que les patients doivent accepter toute propositionun rein, ou chez [34] les patients ne peuvent pas modifier la qualité de leur rein initialement choisie. De plus, la plupart des simulations se concentrent généralement sur une seule variable. Par exemple, l'étude de Ruth et al. [40] se concentre sur la longueur des listes d'attente. L'étude propose un modèle de simulation pour le processus d'attribution des organes et constate que dans les conditions d'attribution des organes en 1985, la longueur de la liste d'attente continuera de s'allonger. Le modèle de simulation que nous présentons dans cet article donne une image plus complète en tenant compte de l'effet des décisions du patient, de l'offre et de la demande dans différentes régions, de l'efficacité du processus d'allocation et de l'effet attendu de l'utilité post-transplantation.

musculation cistanche

3. Description des modèles

Dans les sections suivantes, nous discutons en détail des principaux composants des modèles de simulation et d'optimisation. Les modèles de simulation incluent le patient (demande d'organe), le donneur décédéreinsl'arrivée (fourniture d'organes), le processus d'offrande consécutive du rein du donneur décédé pour trouver le seuil optimal de qualité du rein, et l'utilité post-transplantation attendue pour un patient avec un niveau de santé donné. Nous utilisons ensuite la sortie du modèle de simulation comme coefficients de la fonction objectif du modèle d'optimisation pour recommander une politique d'inscription multiple et suggérons un ensemble de régions que le patient peut choisir.

3.1. Modèle de simulation

Nous développons un modèle de simulation qui permet au patient d'identifier laun reinseuil de qualité qui maximise son utilité post-greffe. Les paramètres du modèle dépendent de l'offre et de la demande de la région des patients. Nous simulons leun reinstratégie d'acceptation et l'utilité post-greffe qui en résulte correspondant à chaque greffe. La figure 3 illustre le processus de simulation. Nous discutons des composants clés dans les sections suivantes.

3.1.1. Demande d'organes

La demande est représentée par les patients en liste d'attente. Nous avons divisé les patients en plusieurs groupes de patients compétitifs qui peuvent recevoir le même type d'organe de donneur décédé en fonction des groupes sanguins et d'autres critères cliniques. Nous modélisons chaque groupe séparément. Nous examinerons l'interaction entre les groupes (par exemple, certains patients avec un groupe sanguin AB peuvent recevoir des organes de donneurs de n'importe quel groupe sanguin) en ajustant l'approvisionnement en organes aux groupes individuels.

Chaque groupe de patients compétitif est modélisé par une file d'attente liée au groupe sanguin j où j ∈ {A, B, AB, O}. Les patients peuvent rejoindre leur file d'attente correspondante (par exemple, en fonction du groupe sanguin) avec le taux de λj et être servis par des donneurs compatibles. Compatiblesreinsarriver à la file d'attente du groupe sanguin j avec un taux de µi. Par exemple, pour la file d'attente de groupe sanguin A, compatiblereinssont de types A et O. Les patients quittent la liste d'attente j avec un taux de greffe de ηi quand (1) ils acceptent un rein offert, ou (2) avec un taux de θi ils tombent trop malades pour une greffe ou meurent sur la liste d'attente . La structure du modèle de file d'attente est illustrée à la figure 4.

Suite à l'étude de [34], les patients de groupe sanguin j arrivent selon un processus de Poisson avec un taux d'arrivée de λj pour rejoindre la liste d'attente. Les patients rejoignent la liste d'attente dans le modèle avec un état de santé initial non observable h0 représentant le temps restant pendant lequel ils peuvent survivre sous dialyse lorsqu'ils rejoignent la liste. Nous modélisons la distribution de h0 dans la population de patients à l'aide d'une distribution de Weibull. La distribution de Weibull est souvent utilisée dans l'analyse de survie pour représenter le temps jusqu'à l'échec, car elle est capable d'exprimer des taux d'échec qui diminuent, sont constants ou augmentent avec le temps. La santé d'un patient simulé, h0, est alors la réalisation d'une variable aléatoire H0 ∼ Weibull(a, b), où a et b sont respectivement les paramètres d'échelle et de forme. Les patients sortent de la liste d'attente si (1) ils reçoivent une greffe ou (2) ils quittent la file d'attente en raison d'une mauvaise santé (ou d'un décès). Étant donné que h0 est le temps pendant lequel la patiente peut survivre sous dialyse lorsqu'elle rejoint la liste d'attente (c'est-à-dire que l'indice indique qu'elle n'a attendu aucun an jusqu'à présent), l'état de santé réel après avoir attendu w ans est hw {{1{{ 11}}}} h0 − w ce qui signifie que le patient quittera la liste d'attente au plus tard lorsque w=h0.

3.1.2. Fourniture d'organes

Suivant [34], donneur décédé compatiblereinsarriver à la file d'attente pour le groupe sanguin j selon un processus de Poisson homogène indépendant avec un taux d'arrivée µj. OPTN a défini unun reinmétrique de qualité appelée Kidney Donor Profile Index (KDPI) qui intègre dix facteurs cliniques du donneur pour classer les reins en fonction de la survie rénale post-transplantation estimée [41]. Le KDPI prend en compte les caractéristiques suivantes du donneur : âge, taille, poids, origine ethnique, si le donneur est décédé en raison d'une perte de la fonction cardiaque ou d'une perte de la fonction cérébrale, l'AVC est la cause du décès, les antécédents d'hypertension artérielle, les antécédents de diabète, l'exposition à le virus de l'hépatite C, la créatinine sérique (une mesure de la fonction rénale). Par construction, le KDPI est presque uniformément réparti sur tous les reins récoltés au cours d'une année donnée. Suivant KDPI, nous modélisons la qualité d'un rein de donneur arrivant représenté par q0 comme la réalisation d'une variable aléatoire Q ∼ Unif(0, 1). Nous utilisons 0 pour représenter la qualité rénale la plus faible et 1 la plus élevée, c'est-à-dire q0=1 - KDPI. Lorsqu'un nouveau rein de donneur devient disponible dans la simulation, le rein est simultanément proposé à un groupe de patients g avec une fenêtre de temps spécifiée pour examiner l'offre et prendre la décision d'acceptation/de rejet. Si personne dans le groupe de patients g ne peut accepter le rein après le temps imparti, alors le rein est offert au groupe de patients g suivant sur la liste d'attente. Le processus d'attribution se poursuit jusqu'à ce que l'organe soit accepté par un patient ou rejeté (en raison d'une recherche ou d'un placement d'organe infructueux). Pour la pénurie actuelle de reins de donneurs, nous avons µj < λj,="" c'est-à-dire="" que="" les="" reins="" arrivent="" à="" un="" rythme="" inférieur="" à="" celui="" des="" nouveaux="" patients.="" le="" retrait="" d'un="" patient="" pour="" cause="" de="" santé="" ou="" de="" décès="" maintient="" la="" file="" d'attente="" à="" une="" taille="" finie.="" des="" listes="" d'attente="" plus="" longues="" entraînent="" des="" temps="" d'attente="" plus="" longs="" et="" une="" détérioration="" de="" la="" santé="" des="" patients.="" à="" son="" tour,="" cela="" augmente="" le="" taux="" de="" retrait="" (patients="" partant="" sans="" avoir="" reçu="" de="" greffe).="" la="" longueur="" de="" la="" file="" d'attente="" se="" stabilise="" à="" l'équilibre="" où="" le="" taux="" de="" greffe="" plus="" le="" taux="" de="" retrait="" des="" patients="" correspondent="" au="" taux="" d'arrivée="" des="">

3.1.3. Décision d'acceptation/de rejet du rein

Au fil du temps, à mesure que le processus de donateurun reinl'offrande continue, le rein accumule des CIT et sa qualité se détériore. Nous modélisons cette détérioration comme qt {{0}} f(q0, δ, t). Dans cette équation, t représente le CIT accumulé et q0 représente la qualité des reins au moment de la récupération lorsque t=0. La variable δ représente un facteur de détérioration de la qualité du rein. Nous exigeons que la fonction de qualité f soit décroissante en δ et t, c'est-à-dire ∂ f(q0,δ,t)∂δ < 0="" et∂="" f="" (q0,δ,t)="" ∂t="">< 0.="" dans="" le="" modèle="" de="" simulation,="" nous="" mesurons="" le="" temps="" comme="" des="" multiples="" du="" temps="" accordé="" pour="" une="" série="" d'offres.="" si="" les="" patients="" ont="" une="" heure="" pour="" décider,="" alors="" t="" représente="" la="" ville="" accumulée="" en="" heures.="" nous="" modélisons="" le="" rein="" acceptant/rejetant="" la="" décision="" du="" patient="" et="" la="" greffe="" subséquente="" en="" deux="" étapes.="" tout="" d'abord,="" le="" patient="" utilise="" une="" stratégie="" de="" seuil="" pour="" décider="" si="" une="">un reinest acceptable. Le patient accepterait l'offre si qt supérieur ou égal à k, où k est le seuil de qualité rénale décidé par le patient et le chirurgien. Pour des reins acceptables, nous considérons plusieurs facteurs liés à la santé du patient et au centre de transplantation. Dans le modèle de simulation, nous utilisons la probabilité que la greffe soit effectuée étant donné qu'un rein acceptable est offert comme

où p(facteurs patient) représente la situation médicale spécifique du patient et tout fait que le patient ou le chirurgien peut décider de ne pasun reinpour des raisons non expliquées uniquement par la qualité du rein (par exemple, le patient est temporairement inactif sur la liste d'attente, résultat de cross-matching défavorable). La probabilité p (facteurs centraux) représente l'état de préparation du centre de transplantation (par exemple, la disponibilité du personnel, des salles d'opération, etc.) ainsi que des considérations sur l'impact de la transplantation sur l'évaluation des performances du centre. La patiente choisit son seuil de décision k en concertation avec le chirurgien. Un tel seuil sera influencé par l'état de santé du patient h0 puisqu'un patient qui dispose de plus de temps de dialyse attendra un rein de meilleure qualité. Nous modélisons cette relation dans la simulation en choisissant pour chaque patient une variable aléatoire K ∼ Unif(0,1) qui est corrélée avec le patient'sh0 représenté par un coefficient de corrélation de rang de Spearman de ρH 0, K

3.1.4. Utilité post-transplantation du patient

Si le patient accepte le donneur décédéun reinoffre et la transplantation se produit, un patient reçoit une utilité post-transplantation. L'utilité post-transplantation dépend de la qualité du rein au moment de la transplantation qt, et du temps d'attente du patient w résultant en un état de santé de hw=h0 − w. L'utilité post-transplantation peut être décomposée en deux composantes

où B(·) représente le bénéfice pour le patient en fonction de laun reinqualité, et D(·) explique la détérioration du patient sur la liste d'attente. Diviser l'utilité en ces deux composantes présente des avantages pour l'estimation des paramètres à partir des données. La fonction B(·) peut être considérée comme le bénéfice pour la patiente si elle recevait un rein de qualité qt sans attendre. La fonction de bénéfice doit satisfaire au fait qu'elle augmente avec la santé du patient h{{0}} et la qualité des reins, c'est-à-dire ∂B(∂hh00, qt) > 0 et ∂ B(∂hq0t, qt) > 0. D(·) représente un coût sous la forme d'un facteur de détérioration dû à l'attente w du rein. La fonction de coût doit augmenter à mesure que le temps d'attente augmente et diminue avec la santé du patient., c'est-à-dire qu'une façon courante de définir des fonctions comme B(·) est sous la forme d'une régression logistique pour la survie proposée par Cox [42] qui modélise les chances conditionnelles de mourir à tout moment compte tenu de la survie jusqu'à ce point quant à

où m(h{{0}}) indique le résultat de la greffe pour un patient avec un niveau de santé h0 qui a reçu un rein parfait (qt=1) immédiatement (w {{3 }}). Naturellement, m(h0) augmente avec l'état de santé h0 du patient. On utilise pour D(·) la fonctionnelle de

où contrôle le taux de détérioration. Le facteur de détérioration est égal à un (c'est-à-dire aucune détérioration) lorsque le temps d'attente est égal à zéro (w {{0}}). Si le patient attend un rein de très haute qualité et manque de temps (c'est-à-dire w=h0), alors le facteur de détérioration devient nul. La forme fonctionnelle choisie est très flexible et peut exprimer une détérioration linéaire ( {{ 4}}), ralentissement de la détérioration ( > 1) et augmentation de la détérioration ( < 1).="" en="" estimant="" les="" paramètres="" à="" partir="" des="" données="" et="" en="" utilisant="" l'optimisation="" de="" la="" simulation,="" nous="" pouvons="" trouver="" pour="" chaque="" patient="">un reinseuil de qualité k∗qui maximise l'utilité post-transplantation.

3.2. Sélection de régions et modèle d'optimisation de plusieurs listes

Un patient peut améliorer ses chances de recevoir une greffe en déménageant dans une autre région (sélection de région) ou en s'inscrivant dans des centres de greffe dans plusieurs régions. Pour aider le patient à identifier un ensemble de régions pour l'enrôlement multiple, nous utilisons le modèle de simulation pour calculer le paramètre de politique de seuil optimal k∗i et l'utilité maximale attendue qu'un patient est susceptible d'obtenir d'une greffe dans chaque région. Ceci est représenté par 11 valeurs d'utilité Ui(k∗i , h0, w), i ∈ 1, 2, . . . , 11. Pour simplifier, nous écrivons Ui(k∗i ) pour représenter l'utilité post-greffe attendue pour un patient avec h0 et w donnés. La sélection de la région se fait maintenant en choisissant la région avec la plus grande utilité.

Pour les cotations multiples, nous représentons l'action de s'enrôler dans la région i par la variable de décision binaire

Le patient dispose de 11 variables de décision, une pour chaque région. Nous supposons que le patient voudra augmenter ses chances en s'inscrivant dans les meilleures régions avec l'utilité attendue la plus élevée compte tenu d'un ensemble de contraintes. Cela peut être formulé comme le problème d'optimisation suivant.

La sommation de l'utilitaire de région garantit que les régions avec les plus grands utilitaires sont incluses dans la solution. La première contrainte assure que la solution satisfait le budget total C du patient donné. La deuxième contrainte considère la distance maximale Dque le patient peut parcourir pour se rendre au centre de transplantation dans les temps. La troisième contrainte considère l'attente du patient sur la performance de la région P, et enfin, la dernière contrainte restreint ri à 0 ou 1. Comme le nombre de régions est petit, avec seulement 11, ce problème peut être résolu par énumération.

4. Applications et résultats numériques

Nous commençons cette section en estimant les paramètres nécessaires au modèle de simulation, puis nous présentons comment le modèle peut être utilisé pour deux applications. La première application illustre comment le modèle peut fournir une ligne directrice stratégique pour soutenir le choix d'un patient de déménager dans une région différente ou de s'enrôler dans plusieurs régions.

La deuxième application analyse les avantages potentiels de l'utilisation de la technologie moderne de partage d'informations (par exemple, via des applications pour smartphone) pour améliorer le bien-être social en augmentant l'utilité post-transplantation des patients etun reintaux d'utilisation.

musculation cistanche

4.1. Estimation des paramètres

Nous utilisons les données de l'UNOS et du SRTR pour estimer les paramètres du modèle. Nous extrayons les données UNOS pour l'année 2019 pour estimer les ajouts aux listes d'attente et les donneursun reinla fourniture. Pour le calcul du temps d'attente, nous utilisons les valeurs rapportées par le SRTR. Le système de données SRTR contient des données médicales et démographiques détaillées pour tous les donneurs, les patients en liste d'attente et les receveurs de greffe aux États-Unis. L'ensemble de données utilisé comprend plus de 400 000 patients qui ont reçu pour la première fois une greffe de rein d'un donneur décédé entre octobre 1987 et fin 2019.

Les rapports annuels du SRTR et de l'UNOS fournissent des informations sur les arrivées d'organes et l'activité de la liste d'attente (par exemple, les statistiques d'ajout et de retrait de patients). Nous utilisons ces données pour estimer λj et µjin pour chaque période.

Un facteur important pour estimer le taux d'arrivée des reins dans une file d'attente de groupe sanguin j est la compatibilité du groupe sanguin entre les patients et les donneurs. Selon les critères de compatibilité des groupes sanguins, les donneurs de groupe sanguin O sont des donneurs universels dont les organes rénaux peuvent être offerts aux patients de tous les groupes sanguins. D'autre part, les donneurs de groupe sanguin AB peuvent donner leurs reins uniquement aux patients de groupe sanguin AB alors qu'ils sont des receveurs universels de tous les groupes sanguins. Le tableau 4 montre en détail la compatibilité du groupe sanguin pour une greffe de rein. Cet article ne rapporte que les résultats pour le groupe sanguin A. Les résultats pour les autres groupes sanguins peuvent être obtenus de la même manière. Le tableau 5 montre les donneurs et les arrivées de patients pour le groupe sanguin A.

Sur la base des données SRTR, les patients de groupe sanguin A reçoivent en moyenne 94 % et 6 % des organes de donneurs de groupes sanguins A et O, respectivement, ce qui se reflète dans leun reinparamètre d'offre µj dans le tableau 5. Suivant le schéma d'offre actuel utilisé par OPTN aux États-Unis, nous utilisons la taille du groupe de patients de g=5 dans notre modèle de simulation. Nous avons fixé le taux de dégradation rénale δ à 5 % selon les rapports selon lesquels les organes sont rarement utilisés après un CIT de 48 h [6]. À δ=0.05, la qualité du rein se détériore à (1 − 0.05) {{10}}.5 % de sa qualité initiale après 48 h. Sur la base de discussions avec un collaborateur médical, nous utilisons une probabilité de transplantation p(transplant)=0.8 pour toutes les régions. Une probabilité pour chaque région pourrait également être estimée à partir des données, mais nous ne disposons actuellement pas d'informations sur les rejets d'offres de rein. Les paramètres , et pour la fonction de bénéfice B(h0, qt) et le facteur de coût C(h{{30}}, w) peuvent être estimés si les données de résultat, y compris le poste -la survie de la greffe est disponible. Cependant, comme notre ensemble de données n'inclut pas ces données, nous utilisons=0.4,=8 et=0.5 dans notre simulation. Nous ajoutons des patients à la liste d'attente avec une santé h0 tirée d'une variable aléatoire H0 avec une distribution de Weibull. Nous utilisons un paramètre d'échelle a=8 et un paramètre de forme b=2 pour obtenir une santé moyenne de près de 7 ans et environ 90 % de la population de moins de 12 ans. Nous utilisons une corrélation de rang de Spearman ρ(H0, K) de 0,2, proche de la corrélation entre la qualité rénale acceptée et la santé du patient observée dans les données.

4.2. Sélection de région et liste multiple

Pour illustrer l'approche de sélection de la région, nous rapportons les résultats pour un patient cible de groupe sanguin A, une année de vie sous dialyse (h0=1) qui est actuellement en position 100 de la liste d'attente. Nous remplissons la liste d'attente avec des patients générés aléatoirement (dont l'état de santé est tiré d'une distribution de Weibull avec un seuil politique corrélé). Nous effectuons la même simulation100 fois chacune pour les valeurs de seuil de décision k ∈ {0, 0,1, 0,2, · · ·, 0,9} et faisons la moyenne des résultats des 100 exécutions pour estimer l'utilité attendue pour chaque seuil.

Le tableau 6 présente les résultats pour le seuil optimal, k∗i , résultant en la plus grande utilité post-greffe attendue, Ui(k∗i ), pour chaque région. Laun reinle taux d'arrivée dans la file d'attente (patients en liste d'attente de groupe sanguin A) par an est µA et qt est la qualité moyenne du rein transplanté. Par exemple, si le patient cible est inscrit dans la région 6, un seuil de k=0.65 est optimal, ce qui conduit à une utilité de 9,6 ans. En revanche, si elle est enrôlée dans la région 2, la décision optimale peut atteindre 0.85 avec une utilité de 13,22 ans.

Le tableau 7 représente les données estimées que nous avons utilisées dans notre modèle d'optimisation pour trouver un ensemble de régions réalisables pour un patient de groupe sanguin A supposé vivre actuellement et enrôlé dans la région 6. Nous utilisons un ensemble de données UNOS pour estimer le temps d'attente prévu et le { Taux de survie de {2}} ans pour ces patients dans les 11 régions. Dans chaque région, nous choisissons une grande ville et estimons son coût de la vie mensuel correspondant en utilisant l'indice du coût de la vie de la ville. Le coût de l'évaluation est défini comme le produit du nombre total prévu d'évaluations jusqu'àun reintransplantation et le coût par évaluation. Le nombre prévu d'évaluations est estimé sur la base d'une politique de réévaluation de 6- mois imposée par la plupart des centres de transplantation. En général, la patiente est responsable de payer le coût de l'évaluation périodique si elle souhaite être inscrite dans plus d'une région puisque la plupart des polices d'assurance couvrent le coût de l'évaluation périodique d'une seule inscription. Le coût total est calculé comme suit : le montant total qu'un patient doit payer (nombre d'évaluations multiplié par le coût de l'évaluation) plus les frais de déplacement et de séjour dans une autre région pendant trois jours.

À titre d'exemple, nous supposons ici que le patient dispose d'un budget de C=15 $,000. Elle peut également voyager jusqu'à D=1500 miles, et son attente minimale de la performance d'une région est de 75 % de survie à cinq ans. Dans l'intention de maximiser son résultat post-transplantation sous ces trois contraintes, notre modèle constate qu'en plus de la région d'origine 6, la patiente peut également être enrôlée dans les régions 5, 4 ou 8, la région 5 fournissant l'utilité attendue la plus élevée. L'OPTN s'engage à assurer l'équité d'accès aux greffes et à réduire les disparités géographiques [16]. Dans le cadre d'inscriptions multiples gratuites, les patients sont incités à s'inscrire dans autant de régions que possible, compte tenu de leurs contraintes budgétaires. Cela signifie que l'accès à la greffe est conditionné par les ressources financières du patient, ce qui peut poser un problème en termes d'équité et de justice. Cependant, à long terme, la sélection gratuite de régions et les annonces multiples peuvent réduire les disparités géographiques. Plus de patients s'enrôleront dans les régions qui offrent actuellement une utilité plus élevée, nivelant les disparités de la demande et réduisant l'écart d'utilité. À ce stade, l'avantage d'avoir plus de budget à enrôler dans plusieurs régions diminuera, conduisant à une situation plus équitable. À court terme, l'équité doit être assurée temporairement par des politiques appropriées pour rendre les inscriptions multiples accessibles à un plus grand nombre de patients.

4.3. L'effet du partage d'informations sur l'efficacité de l'allocation

L'une des initiatives du plan stratégique de l'OPTN (2018-2021) [16] dans le but d'augmenter le nombre de greffes est de rechercher des outils systémiques pour un appariement donneur/receveur plus efficace. Ces outils comprennent des outils de partage d'informations, ce qui signifie que le centre de transplantation et le patient partagent des informations à jour avec OPTN, ce qui a le potentiel d'accélérer laun reinprocessus d'attribution et ainsi réduire le temps d'ischémie froide (CIT) et le taux d'élimination des reins.

Les informations pouvant être partagées incluent :

1. Le seuil d'acceptation de la patiente k : Chaque patiente la signaleun reinseuil d'acceptation de la qualité k décidé par elle-même et son médecin.

2. Tout critère de décision supplémentaire utilisé par le patient : Les décisions du patient et du chirurgien peuvent être affectées par des informations non incluses dans leun reinévaluation de la qualité (KDPI). Avoir des paramètres de qualité plus standardisés, où le patient peut pré-spécifier ce qu'il accepte, amélioreraitun reinallocation. Avec des informations complètes, OPTN pourrait identifier instantanément les patients qui accepteraient le rein et économiser de précieux CIT.

3. La disponibilité actuelle du patient : une indication à jour indiquant si le patient peut actuellement recevoir une greffe. Les facteurs incluent la santé actuelle et les voyages.

4. La disponibilité du centre de transplantation : considère la disponibilité du centre de transplantation - il existe des installations telles que des salles d'opération préparées, des chirurgiens, des infirmières et du personnel pour effectuer la chirurgie à temps.

Dans des conditions d'information parfaite, l'OPTN aurait accès à des informations à jour sur tous les seuils d'acceptation k des patients, toute exigence supplémentaire pour l'organe, et si le patient et le centre sont disponibles. Par conséquent, OPTN pourrait identifier directement le premier patient sur la liste d'attente qui acceptera et recevra la greffe. Cela réduira efficacement le CIT, c'est-à-dire t, au minimum nécessaire pour extraire l'organe et effectuer la transplantation. Dans le modèle de simulation, des informations parfaites peuvent être exprimées en définissant g sur la longueur de la liste d'attente, indiquant que toute la liste d'attente est recherchée instantanément pour un patient correspondant. Supposer une information parfaite est irréaliste pour de nombreuses raisons. Par exemple, des problèmes techniques peuvent avoir un impact sur la disponibilité des informations et les patients ou les centres peuvent ne pas maintenir toutes les informations constamment à jour. Un cadre plus réaliste est amélioré mais le partage d'informations reste imparfait. Plus d'informations signifie que les patients peuvent être identifiés plus rapidement grâce aux informations partagées. Nous exprimons ce fait dans le modèle de simulation par un nombre accru de patients pouvant être recherchés par heure (c'est-à-dire une augmentation de g).

Pour illustrer l'effet d'un meilleur partage d'informations, nous rapportons les résultats pour les patients de groupe sanguin A dans la région 6. Nous initialisons la liste d'attente avec 1000 patients et exécutons la simulation jusqu'à ce que la longueur de la liste d'attente se stabilise autour de 1800 patients (200 mois). Nous rapportons les résultats après cette période d'échauffement en moyenne sur 300 mois. La ligne de base est la taille de groupe actuellement utilisée de g=5. Nous faisons varier g pour représenter différents niveaux de partage d'informations.

Le tableau 8 montre l'impact du partage d'informations exprimé par le nombre de patients sur la liste d'attente qui peuvent effectivement être pris en compte par heure. À la taille de base du groupe de cinq, la qualité moyenne acceptée du rein est de 0,66, conduisant à une utilité moyenne de 10,76 ans par patient transplanté. Le rein peut voyager jusqu'à 45 patients sur la liste d'attente et est accepté en moyenne par le sixième patient. Le tableau 9 présente les taux d'utilisation des reins et de mortalité sur liste d'attente, en plus du taux de transplantation. Le taux d'utilisation des reins augmente de manière significative à mesure que g augmente.

Comme le montre la figure 5, l'amélioration de laun reinle taux de transplantation est de 17 % pour doubler la vitesse du processus d'offre g=10, et il atteint 47 % lorsque des informations parfaites sont disponibles. D'autre part, le taux de mortalité sur liste d'attente diminue de 7 % lorsque g=10, et la réduction peut atteindre 21 %. La simulation illustre l'effet sur l'efficacité que le partage d'informations peut apporter au processus d'allocation.

Le partage d'informations peut être mis en œuvre de plusieurs façons, en utilisant la technologie actuelle. Les exemples incluent l'utilisation d'applications et d'appareils médicaux portables pour suivre la disponibilité du patient presque en temps réel. Des interfaces standardisées entre le système d'information des centres de transplantation et OPTN permettent de gérer la disponibilité des centres. Le déploiement de ces technologies prendra du temps, mais les résultats présentés dans cette étude de simulation indiquent que le gain potentiel est important avec le potentiel de réduireun reintaux de rejet au minimum.

5. Remarques finales

La première contribution de cette recherche est le développement d'un modèle de simulation qui fournit un donneur décédé optimalun reinconseils d'acceptation pour les décideurs (patients et chirurgiens). Le défi majeur de la modélisation de l'acceptation/rejet d'organes consiste à intégrer des conditions et des situations du monde réel pour prendre une décision cruciale pour sauver des vies. Pour cette raison, notre intention première, en tant que principale nouveauté de ce travail, est de reconnaître, agréger et mettre en œuvre différents éléments essentiels qui contribuent aux critères de sélection des reins. Le modèle proposé permet une diversité dans la santé des patients etun reinqualité, ainsi que leur corrélation. De plus, nous incluons la détérioration de la qualité des reins causée par l'accumulation de CIT au fur et à mesure du processus d'attribution. En plus de tous les éléments susmentionnés, nous intégrons également la santé et la disponibilité des patients ainsi que les ressources humaines et de l'établissement pour proposer une solution de greffe optimale.

Le modèle proposé peut être utilisé pour étudier comment différents choix politiques peuvent affecter les objectifs stratégiques énoncés par OTPN [16]. Nous avons illustré cela avec deux applications. Premièrement, nous avons montré comment le modèle peut être appliqué pour éclairer les décisions des patients concernant l'enrôlement multiple compte tenu des contraintes de coût, de distance et de qualité des soins. Bien que les inscriptions multiples à court terme puissent poser des problèmes d'équité entre les patients en fonction des ressources financières, elles ont le potentiel d'égaliser les disparités géographiques dans l'accès aux greffes et donc d'accroître l'équité.

Une deuxième illustration attire l'attention sur l'aspect social deun reintransplantation plutôt que de se concentrer sur la recherche d'une solution optimale comme envisagé dans la première demande. Nous comparons les résultats du bien-être social (c'est-à-dire l'utilisation du rein du donneur et l'utilité post-transplantation à l'échelle du système) pour plusieurs niveaux d'informations disponibles, allant de l'absence d'informations à des informations parfaites. Une information accrue conduit à une attribution plus rapide des reins et à un taux réduit de rein rejeté. L'augmentation du taux de transplantation améliore l'utilité sociale et réduit la durée deun reinliste d'attente de greffe, temps et taux de mortalité. Les décideurs politiques peuvent utiliser ces résultats pour motiver la valeur des technologies de l'information modernes pour collecter les informations nécessaires et montrer l'importance de concevoir des structures d'incitation qui encouragent le partage d'informations en temps opportun par les patients et les centres. Par exemple, la conception d'une application de transplantation d'organes pour un smartphone peut fournir un moyen sûr, simple et rapide de soumettre et de mettre à jour les informations requises en temps opportun. Le décideur peut souhaiter établir une règle de base que tous les patients et centres de transplantation doivent suivre pour recevoir des offres. Par exemple, en utilisant la technologie et le service d'application obligatoires, les centres de transplantation peuvent réviser ou vérifier leurs données soumises régulièrement (par exemple, tous les jours) après que la position d'un patient sur la liste d'attente dépasse un certain seuil. Le modèle proposé est suffisamment simple et flexible pour être facilement adapté pour étudier de nombreux autres aspects du processus d'affectation des reins.

Author Csurtributisurs:Les auteurs ont contribué à parts égales à ce travail. Tous les auteurs ont lu et accepté la version publiée du manuscrit

Fondsing:Cette recherche n'a reçu aucun financement externe.

Institutisural Review Board Statement:N'est pas applicable.

Informéd Consfrt Statemfrt:N'est pas applicable.

Data AVirginieilability Statement:L'ensemble de données utilisé dans cette analyse peut être obtenu via l'UNOS.

Csurflicts of Interest:Les auteurs ne déclarent aucun conflit d'intérêt.

musculation cistanche

Reference

1. Université de Californie à San Francisco. LaUn reinProjet—Création d'un bioartificielUn reincomme une solution permanente à l'insuffisance rénale. Disponible en ligne : (consulté le 4 avril 2020).

2. NationaleUn reinFondation. Statistiques sur les dons et transplantations d'organes. 2016. Disponible en ligne : (consulté le 16 avril 2020).

3. Régions de l'UNOS : ressources régionales en matière de transplantation d'organes. Disponible en ligne : (consulté le 20 mars 2020).

4. OPTN. Politiques en vigueur à compter du 6 décembre 2020 [Ex Comm 9.9.A.]. Disponible en ligne : (consulté le 2 janvier 2021).

5. Wey, A.; Salkowski, N.; Kasiske, BL; Israni, AK ; Snyder, JJ Influence deun reinoffrir un comportement d'acceptation sur des mesures d'efficacité d'allocation. Clin. Une greffe. 2017, 31, e13057.

6. Koizumi, N. ; DasGupta, D.; Patel, AV ; Smith, TE ; Mayer, JD; Callender, C.; Melancon, JK Variation géographique du temps d'ischémie froide :Un reinVersus Liver Transplantation aux États-Unis, 2003 à 2011. Transplantation. Direct2015, 1, e27.

7. Howard, DH Pourquoi les chirurgiens transplanteurs refusent-ils des organes ? : Un modèle de décision d'acceptation/de rejet. J. Santé Éco. 2002, 21, 957–969.

8. Lawson, C.; Johnson, D.; Clapet, D. ; Fowler, K.; Kapur, S. Diminution de laUn reinTaux de rejet. Nouvelles du rein. 2017. Disponible en ligne : (consulté le 22 février 2020).

9. Zhang, J. Le son du silence : Apprentissage par observation aux États-Unisun reinmarché. Marquer. 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. L'association des évaluations de la performance des centres etun reinvolume de greffes aux États-Unis. Un m. J. Transplantation. 2013, 13, 67–75.

11. Schold, J. ; Buccini, L.; Poggio, E.; Flechner, S.; Goldfarb, D. Association of Candidate Removals From theUn reinListe d'attente de greffe et surveillance des performances du centre. Un m. J. Transplantation. À l'arrêt. Confiture. Soc. Une greffe. Un m. Soc. Transpl. Surg. 2016, 16, 1276-1284.

12. Bae, S.; Massie, AB; Luo, X.; Anjum, S.; Desai, Nouveau-Mexique ; Segev, DL Modifications du taux de rejet après l'introduction du Kidney Donor Profile Index (KDPI). Un m. J. Transplantation. 2016, 16, 2202-2207.

13. Schold, JD ; Buccini, LD; Goldfarb, DA; Flechner, SM; Poggio, éd. ; Sehgal, AR Association entreun reinperformance du centre de transplantation et bénéfice de survie de la transplantation par rapport à la dialyse. Clin. Confiture. Soc. Néphrol. 2014, 9, 1773–1780.

14. Haller, MC ; Kainz, A.; Baer, ​​H.; Oberbauer, R. Dialyse millésime et résultats aprèsun reintransplantation: Une étude de cohorte rétrospective. Clin. Confiture. Soc. Néphrol. 2016, 12, 122–130.

15. UNOS. Parlons de transplantation—Foire aux questions sur les inscriptions multiples et le transfert des délais d'attente. 2017. Disponible en ligne : (consulté le 13 juin 2020).

16. OPTN. Plan stratégique OPTN/UNOS 2018-2021. Disponible en ligne : (consulté le 12 avril 2020).

17. Chakkera, HA ; Chertow, GM; O'Hare, AM; Modifier, WJ ; Gonwa, TA Variation régionale enun reinrésultats de la greffe : tendances dans le temps. Clin. Confiture. Soc. Néphrol. 2009, 4, 152–159.

18. Ardekani, MS ; Orlowski, JM Inscriptions multiples dansun reintransplantation. Un m. JUn reinDis. 2010, 55, 717–725.

19. UNOS. Liste multiple. Disponible en ligne : (consulté le 1er décembre 2018).

20. Gharibi, Z. ; Ayvaci, MU ; Hahsler, M.; Giacoma, T.; Gaston, RS; Tanriover, B. Rentabilité de la thérapie d'induction à base d'anticorps chez le donneur décédéun reintransplantation aux États-Unis. Transplantation 2017, 101, 1234.