利用机器灌注技术优化肝脏捐献者风险指数：一种贝叶斯方法

《CIN: Computers, Informatics, Nursing》：Refining the Liver Donor Risk Index with Machine Perfusion: A Bayesian Approach

本研究通过贝叶斯方法整合机器灌注技术更新肝移植供体风险指数（DRI-MP），基于2022-2024年数据验证其较原DRI提升90天移植物生存预测能力（C=0.546 vs 0.535），并保持良好的校准特性。

　　

摘要通俗语言总结

---

背景：

供体风险指数（DRI）是一种广泛用于评估肝脏移植移植物风险的模型，但未考虑到机器灌注（MP）技术的日益普及。

方法：

我们采用贝叶斯更新方法，将MP技术纳入DRI框架中，形成了DRI-MP模型。该模型基于原始DRI中的先验信息，应用于2022年1月至2024年6月的OPTN数据。模型性能通过哈雷尔一致性（C）统计量、校准图和布里尔分数进行评估。

结果：

对于接受MP治疗的病例，DRI-MP模型将DRI乘以0.7，从而提高了90天移植物存活率的预测能力（哈雷尔C统计量：0.546 vs 0.535，p = 0.040），同时保持了模型的校准稳定性。

结论：

经过贝叶斯更新的DRI-MP模型在供体风险预测方面有所提升，反映了当前的移植实践，并提供了一个与原始DRI具有连续性的实用工具。

通俗语言总结：供体风险指数（DRI）是评估肝脏移植风险的关键模型，但它没有考虑到机器灌注（MP）技术，而这种技术正越来越多地被用于保护供体器官。研究人员使用贝叶斯方法对DRI进行了更新，加入了MP因素，从而形成了DRI-MP模型。通过对2022年至2024年的数据进行分析，发现DRI-MP在预测90天移植物存活率方面优于原始DRI，哈雷尔C统计量为0.546 vs 0.535。这一更新为现代移植实践中评估供体风险提供了更准确的工具，同时保持了原始模型的可靠性。

本文由机器生成，可能存在不准确之处。常见问题解答