Zabezpečenie splnenia potreby: 50-ročná simulačná štúdia programu rodinných poukazov Národného registra obličiek

pre viac informácií:{0}}

Matúš Cooper¹| David B. Leeser²| Stuart M. Flechner³| Jennifer L. Beaumont⁴| Amy D. Waterman^4,5| Patrick W. Shannon⁶| Matúš Ronin⁷| Garet Hil⁷| Jeffrey L. Veale⁸

¹Medstar Georgetown Transplant Institute, Washington, District of Columbia²Katedra chirurgie, East Carolina University, Greenville, Severná Karolína³ Glickman Urologický aObličkyInštitút, Cleveland Clinic, Cleveland, Ohio⁴Výskumný ústav Terasaki, Los Angeles, Kalifornia⁵Katedra nefrológie, Kalifornská univerzita, Los Angeles, Kalifornia⁶College of Business and Economics, Boise State University, Boise, Idaho⁷NárodnýObličkyMatrika, Babylon, New York⁸Urologická klinika, Kalifornská univerzita, Los Angeles, Kalifornia

NárodnýObličkyProgram pokročilého darcovstva v registri (NKR) umožňuje žijúcim darcom darovať altruisticky alebo pred transplantáciou potenciálneho príjemcu a získaťpoukazktoré môžu byť vymenené za budúcu transplantáciu uľahčenú NKR. Rodinapoukážkyumožniť darcovi identifikovať viacero jedincov v rámci ich najbližšej rodiny, pričom prvá osoba v tejto skupine, ktorá potrebuje transplantáciu, bude prioritne dostávať obličku. Zvýšenie vpoukážkyvyvoláva obavy, že dopyt po preplatení poukážok v budúcnosti by mohol presiahnuť ponuku dostupných darcov aobličky. Bol skonštruovaný simulačný model Monte Carlo, aby sa odhadol ročný počet preplatení poukážok v pomere k počtu obličiek dostupných v časovom horizonte 50-rokov podľa niekoľkých predpokladaných scenárov rastu programu. Vo všetkých simulovaných scenároch počet dostupnýchobličkykaždoročne prekročili preplatenia poukážok. Hoci táto simulačná štúdia nedokázala zohľadniť všetky reálne scenáre, zistila, že NKR by mala byť schopná uspokojiť pravdepodobné preplatenie rastúceho počtu poukážok v rámci celého radu možných scenárov v časovom horizonte 50-roka. Toto modelovanie naznačuje, že budúce potreby darcovskej rodiny možno uspokojiť prostredníctvompoukazprogram.

KĽÚČOVÉ SLOVÁ: darcovia a darcovstvo: bývanie, darcovia a darcovstvo: párová výmena, etika, etika a verejná politika,obličkytransplantácia/nefrológia,obličkytransplantácia: živý darca, simulácia

1. ÚVOD

Obličkypárové darcovstvo (KPD) zvýšilo príležitosti pre nekompatibilné páry na transplantáciu obličiek od žijúcich darcov (LDKT). NKR (National Kidney Registry) je najväčšia organizácia párového darcovstva v Spojených štátoch. Od roku 2008 do roku 2019 NKR úspešne transplantovala viac ako 3500 párov darca-príjemca (www.obličkyregister.org, prístup 6. septembra 2019). Transplantácie uľahčené NKR preukázali nejednoznačné alebo zlepšené výsledky štepu v porovnaní s LDKT na národnej úrovni a umožňujú pacientom, ktorí potrebujú retransplantáciu a hyperimunizovaným pacientom, aby profitovali z LDKT vo väčšom počte.

Zatiaľ čo počiatočné výmeny a reťazce KPD sa vykonávali takmer súčasne, potreba darcu darovať v roku 2008 predtým, ako jeho nekompatibilný príjemca mal dostaťobličkyod neriadeného darcu viedlo k odklonu od tohto štandardu.2 Išlo o prvý prípad pokročilého darcovstva a začiatok série pokrokov umožňujúcich väčšie oddelenie času medzi operáciami darcu a príjemcu pre páry, ktoré sú chronologicky nekompatibilné.3 NKR vyvinula program pokročilého darcovstva (ADP) na podporu KPD v týchto čoraz zložitejších scenároch (definície pozri v tabuľke 1).4 Keď pacient daruje príjemcovi skôr, ako jeho zamýšľaný príjemca dostane obličku,poukazje vydaný, čo umožňuje ich zamýšľanému príjemcovi vykúpiťpoukaza v prípade potreby dostať transplantáciu KPD. V pôvodnej implementácii programu,poukazsa vydáva jedinému určenému príjemcovi so známou anamnézou ochorenia a očakávanou potrebou transplantácie v budúcnosti a môže byť vyplatená, ak a kedy je potrebná transplantácia obličky. Prvé darovanie kupónov prostredníctvom NKR sa uskutočnilo v roku 2014, keď 64-ročný starý otec darovalobličkyna nepríbuznú osobu. Jeho 4-ročný vnuk dostal poukaz NKR na budúcnosťobličkytransplantácia. Dieťa malo chronické ochorenie obličiek (CKD) a očakávalo sa, že bude potrebovať transplantáciu o 10-15 rokov, kedy starý otec už nemusí byť oprávnený darovať.3 Od 2. augusta 2019 došlo k celkovo 296 predbežných darcov, pričom čas medzi postupmi sa pohyboval od niekoľkých dní až po roky (Štvrťročná správa NKR, www. obličky regi stry.org, prístup 6. septembra 2019).

Pri skúmaní spôsobov, ako ďalej zvýšiť LDKT, 1 racionálnou obavou, ktorú bežne vyjadrujú potenciálni nepriamy darcovia, je: „Čo ak môj manželský partner alebo dieťa potrebujeobličkyjedného dňa a už som daroval?" Lekárska rada NKR navrhla ponúknuť nový typpoukazna ochranu rodinných príslušníkov žijúcich darcov. V tomto novom modeli s názvom „Program rodinných poukážok“ by každý mohol dostať viac zdravých členov najbližšej rodiny darcu.poukaz, pričom prvá osoba v tejto skupine, ktorá potrebuje transplantáciu, uplatní svoj poukaz a uprednostní sa transplantácia od žijúceho darcu s koncovým reťazcom. Očakáva sa, že tento program rodinných poukazov zvýši LDKT a zároveň poskytne darcom a ich rodinným príslušníkom dodatočnú bezpečnosť bez zvýšeného rizika ochorenia obličiek. Aj keď je táto inovácia vzrušujúca, pravdepodobne zvýši početpoukážkynevyriešené, čo vyvoláva obavy, že dopyt po preplatení poukážok v budúcnosti by mohol presiahnuť ponuku dostupných obličiek na uspokojenie tohto dopytu. Cieľom tohto úsilia je teda riešiť tento problém vykúpenia prostredníctvom simulačného modelu Monte Carlo.

Kliknite naCistanche v Urdu na príznaky ochorenia obličiek

2. MATERIÁLY A METÓDY

Na odhad ročného počtu bol skonštruovaný simulačný model Monte Carlo5poukazodkúpenia v pomere k počtuobličkydostupné na transplantáciu v 50-ročnom časovom horizonte podľa niekoľkých plánovaných scenárov. Počítačové simulačné modely Monte Carlo sa bežne používajú v širokej škále oblastí, ako sú financie, poisťovníctvo a doprava, na vykonávanie analýz rizík v zložitých situáciách, kde nie je možné matematicky vypočítať budúce hodnoty pre dôležité výstupné premenné a použili sa pri projektovaní dostupnosti. pečene od darcu6 a vplyv stratégií prideľovania orgánov.7-9 Náš model sleduje simulovaných darcov a držiteľov poukazov, kým sa poukaz neuplatní, držiteľ poukazu nezomrie alebo kýmpoukaz„vyprší“ (držiteľ poukážky dosiahne vek 85 rokov alebo ju uplatní iný držiteľ poukážky z rovnakej rodinypoukaz). Priebeh modelu je znázornený na obrázku 1. Simulačný model bol naprogramovaný a spustený pomocou ASP.NET 4.5.2.

2.1 Vstupné parametre

Kruh na obrázku 1 predstavuje modelové vstupy pre každú ročnú iteráciu: počet darcov darujúcich obličky prostredníctvom NKR a počet poukazov pridelených týmito darcami. Existujú 4 kategórie držiteľov poukážok. Po prvé, všetko živéobličkydarcovia, ktorí darujú prostredníctvom NKR dostávajú apoukazpre nich. Táto poukážka zostáva aktívna, kým daný darca nezomrie alebo nepreplatí poukážku a nezíska aobličkytransplantácia. Pre kategóriu 2 môže každý darca určiť poukážky pre jednotlivcov, ktorí dostali priorobličkytransplantát za predpokladu, že príjemcovia transplantátu bezprostredne nepotrebujú opakovaný aloštep. Tretia kategória držiteľov poukazov identifikuje jednotlivcov s CKD 3. štádia alebo vyššie a štvrtá kategória identifikuje zdravých najbližších rodinných príslušníkov. V tejto simulácii je počet darcov obmedzený na maximálne 5poukážkypre jednotlivcov v kategóriách 2, 3 a 4. Tieto poukážky zostávajú aktívne, kým sa neuplatní 1 alebo všetkypoukazdržitelia pre konkrétneho darcu buď dosiahnu vek 85 rokov, alebo zomrú. Ročné zmeny v týchto vstupoch sa líšili v niekoľkých rôznych projektovaných scenároch opísaných v nasledujúcej časti.

TABUĽKA 1 Terminológia a definície súvisiace s programom pokročilého darcovstva

OBRÁZOK 1 Diagram prechodu stavu pre simulačné modely

2.2 Simulačné modelovanie

Použitím základných vstupných hodnôt diskutovaných vyššie simulačný model rieši každú z nichpoukazdržiteľa každoročne za rok 1 až 50 použitím vhodného rozdelenia pravdepodobnosti na odhadnutie výsledku pre každého držiteľa poukazu v aktuálnej skupine. Tieto rozdelenia pravdepodobnosti a zdrojové údaje, na ktorých sú založené, sú opísané v nasledujúcej časti. Počnúc rokom 1, model pristupuje k príslušnému rozdeleniu pravdepodobnosti úmrtnosti pre každého držiteľa poukážky v skupine, aby náhodne určil jeho/jej stav života alebo smrti. Napríklad na základe rozdelenia úmrtnosti predpokladajme, že 30-ročný držiteľ kupónu má 0.{11}}3 šancu, že v nasledujúcom roku zomrie. Model generuje náhodné číslo medzi 0 a 1. Ak je toto číslo 0,03 alebo menšie,poukazdržiteľ sa považuje za mŕtveho a je odstránený z fondu kupónov, inak zostáva a je zaradený do nasledujúceho roka. Ďalej, podobným spôsobom, v závislosti odpoukazzdravotnom stave držiteľa a predchádzajúcej transplantačnej histórii, model pristupuje k príslušnému rozdeleniu pravdepodobnosti, aby určil, či tento jedinec bude potrebovať transplantáciu, a teda uplatní svoj poukaz v tomto konkrétnom roku. Po uplatnení poukazu viazaného na konkrétneho darcu sa z fondu odstránia aj všetci ostatní držitelia poukazov spojení s tým istým darcom. Nakoniec sú z aktívnych vyradení aj držitelia poukazov, ktorí dosiahnu vek 85 rokovpoukazpretože väčšina transplantačných centier pridružených k NKR by považovala tento vek príjemcu za kontraindikáciu transplantácie.

Potom, čo model určuje stav každého z nichpoukazdržiteľa, sa reviduje počet oprávnených držiteľov poukazov a ich vek sa zvyšuje o 1 rok. Keď sa model presunie do ďalšieho simulovaného roka, pridajú sa noví darcovia a držitelia poukážok podľa špecifikácií scenára. Model potom pokračuje v hodnotení úmrtia a preplatenia poukážok, ako je opísané vyššie, a iterácie pokračujú až do dokončenia 50 rokov. Toto predstavuje 1 replikáciu pre scenár. Pre každý rok sa generuje niekoľko výstupných premenných a každá replikácia zahŕňa počet dostupných darcov a ich početpoukazvykúpenia. Simulácia je replikovaná 1000-krát pre každý scenár, aby sa plne modelovalo rozdelenie možných výsledkov a poskytovali presné percentilové odhady.

2.3 Zdroje údajov pre rozdelenia pravdepodobnosti

Nové vekypoukazdržitelia generovaní každý rok boli náhodne vybraní vo veku od 2 do 65 rokov. Pravdepodobnosť, že predchádzajúci príjemca transplantátu obličky zaznamená zlyhanie štepu (a bude potrebovať následný aloštep) alebo smrť, boli definované pomocou údajov z SRTR (Vedecký register príjemcov transplantátu) na 108 254obličkypríjemcovia transplantátu, ktorí boli transplantovaní v rokoch 1987 až 2013. Tento široký rozsah sa použil na zabezpečenie dostatočnej veľkosti vzorky na odhad pravdepodobností pre špecifické kombinácie roka po transplantácii (jednoročné prírastky) a veku pri transplantácii (0-10, 11-20, 21-30, 31-40, 41-50, 51-60 a 61 plus ). Pravdepodobnosť, že všetky ostatné kategóriepoukazdržitelia by vyžadovali aobličkytransplantácia (3,26 percenta) bola vypočítaná ako vážený priemer rizika konečného štádia renálneho ochorenia (ESRD) pre všeobecnú populáciu (0,04 percenta), CKD 3 (1,6 percenta), CKD 4 (9,6 percenta ) a CKD 5 (58,2 percenta),10,11 na základe percenta držiteľov poukazov v každej skupine v čase simulačnej štúdie. Pravdepodobnosť úmrtia pre všetkých držiteľov poukazov, ktorí neboli v minulosti príjemcami transplantácie obličky, bola definovaná pomocou úmrtnosti bežnej populácie podľa veku z národného systému vitálnych štatistík (https://www.cdc.gov/nchs/nvss/mortality{16 }}tables.htm).

Cistanche-chronické ochorenie obličiek

2.4 Pokročilé scenáre darovania kupónov

V tejto analýze sú uvedené výsledky simulácie pre 5 rôznych scenárov. Každý scenár používa rovnaké počiatočné podmienky pre rok 1 na základe aktuálneho stavu NKR v čase vývoja modelu: 2900 predchádzajúcich darcov a 26 zostávajúcichpoukazdarcov (90 percent sa udeľuje potenciálnym príjemcom s predchádzajúcimi transplantáciami a 10 percent príjemcom z bežnej populácie). V 2. roku pribudlo 66 nových darcov poukazov (30 percent po predchádzajúcej transplantácii a 70 percent z bežnej populácie). Miera rastu darcu poukazu a kategóriapoukazdržiteľov na nasledujúce roky v závislosti od scenára. Dôležitým aspektom programu Voucher Advanced Donation je, že NKR má prostredníctvom písomnej a verejne dostupnej administratívnej politiky rozhodovaciu právomoc určiť maximálny ročný počet darcov poukazov pridaných do programu a početpoukážkypovolené na darcu.

5 scenárov zvažovaných v tejto štúdii predstavuje situácie od najpravdepodobnejších až po extrémne modely rastu pre rodinuVoucherprogram. Tieto scenáre sú definované nasledovne a sú zhrnuté v tabuľke 2. (1) Rýchly rast – početpoukazdarcov sa medziročne zvyšuje v priemere o 5 percent. Inak povedané, záväzok z kupónového programu sa zvyšuje o 5 percent ročne. (2) Pomalý rast – počet darcov poukazov pomaly rastie s ďalšími 2-5 darmi poukazov ročne. (3) Rýchly rast, potom rýchly pokles – najhorší scenár, kde počet darcov poukážok rýchlo rastie počas prvých 25 rokov a potom rýchlo klesá počas nasledujúcich 25 rokov. V tomto scenári darcovia poukážok rastú medziročne o 5 percent počas prvých 25 rokov s vrcholom v roku 26 a trend sa obracia použitím rovnakých hodnôt v opačnom poradí až do roku 50. Pri tomto scenári sa teda záväzky zvyšujú na začiatku rokov, ale krytie klesá v neskorších rokoch, keď je pravdepodobnejšie, že poukážky budú preplatené. (4) Pomalý rast, potom pomalý pokles – tento scenár predpokladápoukazdarcovia rastú pomaly (pripočítajte 2-5) počas prvých 25 rokov ako v scenári 2 a potom pomaly klesajú (zníženie o 2-5) v každom z nasledujúcich 25 rokov. (5) Rýchly rast, potom plató – miera darcov poukážok rastie každý rok v priemere o 5 percent počas prvých 25 rokov, potom zostáva konštantná v rokoch 26-50.

2.5 Analýza výsledkov simulácie

Simulačný model vyvinutý pre túto štúdiu je schopný analyzovať prakticky akýkoľvek scenár. Vybraných 5 scenárov však pokrýva široký rozsah možného vývoja rastu programu kupónov. Výstup modelu pre tieto scenáre poskytuje platný pohľad do budúcnostipoukazobjemy, ktoré možno očakávať v rámci každého scenára. Pre každý scenár sa {{0}}ročný priebeh simulácie opakoval 1000-krát s použitím rôznych náhodných počiatočných čísel pre rovnaké počiatočné podmienky, výsledkom čoho bola veľkosť vzorky 1000 hodnôt pre každú z výstupných premenných. Boli zhrnuté distribúcie frekvencií týchto výstupných premenných. Primárnym meradlom modelového rizika je „pomer pokrytia“ alebo počet dostupných darcov na jeden poukaz preplatený v danom roku. Pomery pokrytia presahujúce 1,0 naznačujú, že počet dostupných darcov prekročí početpoukážkyvykúpené v ktoromkoľvek danom roku. Pre každý scenár sme sa rozhodli uviesť hodnotu pomeru pokrytia, pre ktorú len 100 z 1 000 spustení simulácie (10. percentil) viedlo k nižšiemu pomeru pokrytia. 10. percentil bol zámerne vybraný tak, aby predstavoval ultrakonzervatívnu projekciu pre každý scenár.

TABUĽKA 2 Scenáre plánovaného rastu používané na definovanie vstupov simulácie

3. VÝSLEDKY

3.1 Scenár 1: rýchly rast

Podľa tohto scenárapoukazdarcov sa v priebehu 50 rokov zvyšovalo v priemere o 5 percent ročne. Predpokladá sa teda, že povinnosť NKR splniť potenciálne preplatenia poukážok a dostupná ponuka darcov sa rýchlo zvýši. Obrázok 2A ilustruje, že dokonca aj na 10. percentile výsledky simulácie naznačujú, že dostupní darcovia ďaleko presahujú očakávané preplatenia poukážok počas 50-ročného časového horizontu. Napríklad v roku 25 je 10. percentilový pomer pokrytia 6,25, čo znamená, že 90 percent simulácií ukázalo, že počet dostupných darcov bol viac ako 6,25-násobok počtupoukazvykúpenia. Alternatívne, obrázok 2B ukazuje výstup ilustrujúci 10. percentil počtu darcov poukazov a počet preplatení. Medzera medzi stĺpcami odráža rozdiel medzi dostupnými darcami a odkupmi. Napríklad v roku 25 by sme očakávali, že bude k dispozícii 200 darcov na pokrytie 32poukazvykúpenia. Ďalšie údaje potvrdzujúce dostupnú potrebu tohto scenára sú z 50 000 simulačných cyklov (50 rokov × 1 000 cyklov), žiadna permeácia neviedla k pomeru pokrytia<1.0. in="" fact,="" the="" lowest="" observed="" coverage="" ratio="" was="" 3.9.="" again,="" any="" value="" exceeding="" 1.0="" demonstrates="" that="" voucher="" redemption="" can="" be="" covered="" by="" the="" available="">

3.2 Scenár 2: pomalý rast

V tomto scenári je tempo rastu vpoukazpočet darcov sa zvýšil medzi 2 a 5 ročne, čo je oveľa nižšia miera ako v scenári 1. V tomto prípade sa zodpovednosť za poukážky zvyšuje pomaly, ale rovnako aj dostupnosť darcov. Obrázok 3A znázorňuje 10. percentilové pomery pokrytia podľa rokov. Rovnako ako v scenári 1 prakticky neexistuje riziko nedostatku darcov na splnenie požadovaných preplatení poukážok. Rok 40 vykazuje najnižší pomer krytia na úrovni 3,71. Obrázok 3B znázorňuje 10. percentilový rozdiel medzi dostupnými darcami a preplatením voucherov. Napríklad v roku 40 je počet dostupných darcov poukazov 189 a iba 51poukážkyare expected to be redeemed that year. Finally, as in scenario 1, following the 50 000 simulation runs all results indicated a coverage ratio >1.{1} Najnižší pomer pokrytia z 50 000 cyklov bol 2,82

OBRÁZOK 2 A, V scenári rýchleho rastu sú znázornené pomery pokrytia na prvom, piatom, 10 a 50. percentile (1000 simulácií). Pomer krytia je počet dostupných darcov na preplatenie voucheru. Pomer pokrytia 2,0 znamená, že darcov je dvakrát viacobličkydostupné tak, ako súpoukazvýkupov v danom roku. B, V scenári rýchleho rastu je znázornený celkový počet dostupných darcov, preplatenia poukážok spolu s pomerom krytia na 10. percentiloch (1000 simulácií)

3.3 Scenár 3 rýchly rast, rýchly pokles

Tento scenár sa považuje za najhorší prípad, pretože ručenie za poukážky počas prvých 25 rokov rýchlo rastie, po čom nasleduje rýchly pokles v nasledujúcich 25 rokoch. To vytvára významnú potenciálnu zodpovednosť, po ktorej nasleduje znížená dostupnosť darcu neskôr, keď je to možnépoukazpredpokladá sa, že splatenie sa zvýši. Obrázok 4A znázorňuje pomery pokrytia 10 percentilom v priebehu času. Na 10. percentile pomer pokrytia presahuje 5.{22}} počas prvých 25 rokov a potom počas zostávajúcich 25 rokov klesá, ale dokonca aj v roku 50 bude pomer pokrytia je 1,4, vyššia ako požiadavka 1.{26}} na splnenie všetkých uplatnení kupónov. Obrázok 4B ukazuje, že na 10. percentile v roku 50 počet darcov poukážok prevyšuje preplatenia poukážok o 66 darcov ku 47 preplateniam. Z 50 000 iterácií, 49 995 (99,99 percent) pomerov pokrytia prekročilo 1,0. Len 5-krát klesol pomer pod hranicu 1,0. Najnižší pomer krytia bol 0,94. Na rozdiel od scenárov 1 a 2 je teda pri tomto scenári „najhoršieho prípadu“ extrémne malá šanca, že počet preplatení poukážok prevýši dostupnépoukazdarcov.

OBRÁZOK 3 A, V scenári pomalého rastu sú znázornené pomery pokrytia na prvom, piatom, 10-tom a 50. percentile (1000 simulácií). Pomer krytia je počet dostupných darcov na preplatenie voucheru. Pomer pokrytia 2,0 znamená, že darcov je dvakrát viacobličkyk dispozícii, pretože v danom roku sú kupóny preplatené. B, V scenári pomalého rastu celkový počet dostupných darcov apoukazsú znázornené spätné odkúpenia spolu s pomerom krytia na 10. percentiloch (1000 simulácií)

3.4 Scenár 4: pomalý rast/pomalý pokles

Pre tento scenár početpoukazdarcov rastie relatívne pomalým tempom {{0}} v porovnaní s predchádzajúcim rokom počas prvých 25 rokov a potom každoročne klesá o 2-5 darcov. Výsledky simulácie 10. percentilu znázornené na obrázku 5A naznačujú, že do roku 50 presahuje pomer pokrytia každý rok hodnotu 1,0. Obrázok 5B ilustruje, že rozdiel medzi dostupnými darcami poukážok a preplatením poukážok neklesne pod 21. Okrem toho žiadna zo simulácií 50 000 nepriniesla pomer pokrytia<1.0 with="" the="" lowest="" observed="" value="" of="" 1.17.="" thus,="" the="" late="" donor="" shortage="" risk="" associated="" with="" this="" scenario,="" while="" higher="" than="" for="" scenarios="" 1="" and="" 2,="" is="" still="" very="">

3.5 Scenár 5: rýchly rast a potom stagnácia

Pre konečný scenár uvažovaný v tejto analýze, početpoukazdarcov rastie v priemere o 5 percent ročne počas prvých 25 rokov a potom zostáva rovnaký počas rokov 26 až 50. Pomery pokrytia za 50 rokov uvedené na obrázku 6A naznačujú, že tento scenár je nízkorizikový, pričom pomer pokrytia 10. percentilu sa v priebehu rokov drží blízko hodnoty 3,0 45-50. Po 50 000 simuláciách prekročilo 100 percent pomeru pokrytia hodnotu 2,0, čo naznačuje, že v ktoromkoľvek roku bol počet darcov poukazov minimálne dvojnásobný oproti počtu plánovaných preplatení. Obrázok 6B ilustruje, že na úrovni 10. percentilu počet darcov v roku 50 (210) prevyšuje počet spätných odkúpení (73).

OBRÁZOK 4 A, V scenári rýchleho rastu, po ktorom nasleduje rýchly pokles, sú znázornené pomery pokrytia na prvom, piatom, 10 a 50. percentile (1000 simulácií). Pomer krytia je počet dostupných darcov na preplatenie voucheru. Pomer pokrytia 2,0 znamená, že darcov je dvakrát viacobličkydostupné tak, ako súpoukazvýkupov v danom roku. B, V scenári rýchleho rastu, po ktorom nasleduje rýchly pokles, sú znázornené celkové dostupné dary a preplatenia poukážok spolu s pomerom krytia na 10. percentiloch (1000 simulácií)

4. DISKUSIA

PrebiehajúceobličkyNedostatok darcov naďalej podporuje kreatívne stratégie na zvýšenie miery LDKT a hľadanie dodatočnej ochrany pre žijúcich darcov. KPD vznikol ako úspešná inovácia na riešenie nekompatibility. Poukazy teraz riešia „chronologickú nekompatibilitu“, keď darca chce darovať roky pred transplantáciou zamýšľaného príjemcu. Spočiatku boli poukážky udeľované jednotlivcom s dysfunkciou obličiek, ktorí bezprostredne potrebujú transplantáciu, ale v súčasnosti program zahŕňapoukazdržiaky bez dysfunkcie obličiek. Aj keď je program sľubný, je potrebné riešiť obavy týkajúce sa nedostatočných aloštepov na umiestnenie týchto poukazov. Táto simulačná štúdia preukázala, že rozšírený program kupónov by mal uspokojiť pravdepodobné preplatenie kupónov v rámci celého radu možných scenárov v časovom horizonte 50- rokov. Okrem toho tieto vylepšeniapoukazprogram poskytne potrebnú ochranu pre potenciálne viac darcov KPD.

OBRÁZOK 5 A, V scenári pomalého rastu, po ktorom nasleduje pomalý pokles, sú znázornené pomery pokrytia na prvom, piatom, 10 a 50. percentile (1000 simulácií). Pomer krytia je počet dostupných darcov na preplatenie voucheru. Pomer pokrytia 2,0 znamená, že darcov je dvakrát viacobličkyk dispozícii, pretože v danom roku sú kupóny preplatené. B, V scenári pomalého rastu, po ktorom nasleduje pomalý pokles, celkový počet dostupných darcov apoukazsú znázornené spätné odkúpenia spolu s pomerom krytia na 10. percentiloch (1000 simulácií)

Zabezpečenie dôvery medzi transplantačnou komunitou a širokou verejnosťouobličkydarcovia budú v budúcnosti k dispozícii na splnenie všetkých požiadaviekpoukazvykúpenie je nevyhnutné. Podobne ako v prípade kapitálových požiadaviek banky, keď si zákazník želá vykonať výber, aj program pokročilého darcovstva NKR musí mať dostatok darcov na pokrytie budúcich preplatení poukážok. Toto potenciálne riziko sa hodnotí v tejto simulačnej štúdii. Na správne vyhodnotenie skutočného rizika bol vytvorený simulačný model a analýzy navrhnuté tak, aby poskytovali konzervatívne hodnotenia. Rôzne scenáre pokrývajú celý rad potenciálnych implementačných plánov, ktoré by NKR mohla zažiť v budúcnosti. Bez ohľadu na vytvorený scenár výsledky simulácie ukazujú, že riziko nedostupnosti darcovskej obličky je zanedbateľné. Analýza okrem prilákania ďalších darcov dokazuje, že dostupnosť darcov v programe by mala byť dostatočná na zmiernenie akýchkoľvek obáv, ktoré sa týkajú transplantáciípoukazdržiaky nebudú v budúcnosti dostupné.

Existujú potenciálne obmedzenia modelu a vyššie uvedených záverov. Pri prezentovaní tejto simulácie ide o model a nie istotu predpovedania budúcich udalostí, keďže mnohé udalosti nie je možné predvídať (tj koronavírusové ochorenie 2019). Preto je potrebná opatrnosť a citlivosť pri predkladaní takýchto modelov pacientom na klinické rozhodovanie ako naprobličkydarcovstvo. Pravdepodobnosť zlyhania štepu bola odhadnutá pomocou transplantácií SRTR v rokoch 1987 až 2013; miera zlyhania štepu sa však počas tohto časového obdobia podstatne zlepšila. To znamená, že skutočné pomery pokrytia budú pravdepodobne lepšie ako tie, ktoré sa tu odhadujú. Vážený priemer (3,26 percent) použitý pre pravdepodobnosť zlyhania obličiek bol založený na kombináciipoukazdržiteľov, medzi ktoré patrí niekoľko zdravých jedincov. Ako sa zvyšuje podiel držiteľov poukazov bez známeho ochorenia obličiek, skutočná pravdepodobnosť zlyhania obličiek u skupiny držiteľov poukazov bude klesať, čo povedie k ďalšiemu zlepšeniu pomeru krytia. Hoci je to nepravdepodobné, miera úmrtnosti a miera ESRD sa môžu v budúcnosti výrazne zmeniť, čo by mohlo ovplyvniť pomery pokrytia. Model tiež predpokladá vyhýbanie sa extrémom v darcovskej skupine alebo miere ESRD, ako je dramatické zníženie počtu jednotlivcov ochotných darovať (napr. po sérii úmrtí významných darcov) alebo dramatický nárast nepredvídateľných preplatení poukážok (napr. v dôsledku pandemického vírusu, ktorý spôsobuje akútobličkyfailure in many voucher holders). In the >2300 transplants, matching O and highly sensitized recipients have not been a limiting factor.12 Actual coverage will be closely tracked by the NKR and if a large mismatch in voucher donor/voucher holder blood types arises (eg, imbalance of >10 krvných skupín O alebo B), na nových účastníkov programu poukazov budú zavedené obmedzenia (napr. obmedzenie vstupu nezhodnýchpoukazkrvné skupiny držiteľa darcovského poukazu alebo stupeň senzibilizácie) zachovať schopnosť plniť

poukazvykúpenia. Po 14 mesiacoch pokročilého darcovstva je v súčasnosti 667 držiteľov poukážok NKR. Z toho je 84 štandardných poukážok a 583 rodinných poukážok. Donedávna NKR sledovala iba krvnú skupinu ABO a vypočítala panelové reaktívne protilátky pre držiteľov štandardných poukážok (tj jednotlivca s jedným menomobličkychoroba), ale nedávno začala zbierať údaje VPA o držiteľoch rodinných poukazov, aj keď v súčasnosti nie sú k dispozícii dostatočné údaje na podávanie správ. Zatiaľ čo senzibilizácia držiteľov poukazov môže zohrávať úlohu v ich schopnosti prijať prípadný transplantát, v súčasnosti neexistuje spôsob, ako určiť, aké budú budúce úrovne senzibilizácie (napr. transfúzie, tehotenstvá).

OBRÁZOK 6 A, V scenári rýchleho rastu a následnej úrovne sú znázornené pomery pokrytia na prvom, piatom, 10. a 50. percentile (1000 simulácií). Pomer pokrytia je počet dostupných darcov napoukazvykúpenie. Pomer pokrytia 2.{1}} znamená, že darcov je dvakrát viacobličkyk dispozícii, pretože v danom roku sú kupóny preplatené. B, V scenári rýchleho rastu a potom sú znázornené celkové dostupné dary a preplatenia poukážok spolu s pomerom krytia na 10. percentiloch (1000 simulácií)

Jeden konflikt záujmov potenciálne obmedzuje naše zistenia. Autori tohto článku zastupujú centrá zapojené do NKR a Lekársku radu NKR. Úspech a implementáciapoukazprogram v rôznych scenároch v závislosti od pokračujúceho fungovania NKR a používania jeho zodpovedajúceho softvéru na plánovanie priorít pre pacientov, ktorí si vyplácajú poukážky. V nepravdepodobnom prípade, že by administratívne, regulačné alebo obchodné zmeny vyžadovali zastavenie činnosti NKR, riziká, ktoré nemožno úplne modelovať, boli prijaté nasledujúce zmluvné podmienky: Povinnosti programu pokročilého darcovstva: Všetky členské centrá NKR a partnerské centrá súhlasia so spoluprácou s navzájom v dobrej viere pod vedením chirurgického riaditeľa NKR, ak by sa NKR niekedy dostala do platobnej neschopnosti a/alebo by prestala fungovať, poskytnúťobličkypre príjemcov programu pokročilého darcovstva. Tento záväzok je neodvolateľný, existuje natrvalo a trvá aj po ukončení tejto zmluvy.

Toto a ďalšie riziká sú uvedené vo formulári súhlasu (http://www. obličkový register.org/docs/ADP_Consents.pdf).

Táto analýza ukazuje, že rozšírenie programu rozšíreného darcovstva NKR tak, aby zahŕňalo až 5 poukážok pre bezprostredných zdravých rodinných príslušníkov, je možné jednoducho zvládnuť súčasným programom, pričom pripomína, že iba 1poukazodkúpenie je povolené pre každú rodinnú skupinu. Päťdesiatročné simulácie využívajúce skutočné pravdepodobnosti ESRD pridelené každej zo 4 kategórií potenciálnych držiteľov poukazov (žijúci darcovia, príjemcovia transplantátov, pacienti v štádiu CKD 3-5 a najbližší rodinní príslušníci) preukázali, že existuje malé alebo žiadne riziko, že dostupnosťobličkynebude stačiť na uspokojenie dopytu po preplatení poukážok bez ohľadu na pravdepodobné budúce scenáre. Hoci táto simulačná štúdia nedokázala zohľadniť všetky scenáre zo skutočného života, zistila, že NKR by mala byť schopná uspokojiť pravdepodobné vykúpenie rastúceho počtupoukážkyv rámci celého radu možných scenárov v 50-ročnom časovom horizonte.

DISCLOSURE

Autori tohto rukopisu majú konflikt záujmov zverejniť, ako je opísané v American Journal of Transplantation. GH a MR sú zamestnancami National Kidney Registry, Babylon, NY (GH-zakladateľ a generálny riaditeľ, MR-riaditeľ výskumu a technológie). MC, DBL, SMF, ADW a JLV slúžia ako neplatení členovia lekárskej rady pre národnúObličkyRegistrujte sa u MC ako chirurgického riaditeľa a ADW ako riaditeľa výskumu. Ostatní autori tohto rukopisu nemajú konflikt záujmov, ktorý by mohli zverejniť.

VYHLÁSENIE O DOSTUPNOSTI ÚDAJOV

Údaje, ktoré podporujú zistenia tejto štúdie, sú k dispozícii od príslušného autora na odôvodnenú žiadosť.

ORCHIDEJ

Matthew Cooper https://orcid.org/0000-0002-3438-9638 Stuart M. Flechner https://orcid.org/0000-0002-8172-3918 Jennifer L. Beaumont https://orcid.org/0000-0002-1484-260X Amy D. Waterman https://orcid.org/0000-0002-7799-0060

Symptómy zlyhania obličiek Cistanche

LITERATÚRA

1. Flechner SM, Thomas AG, Ronin M, a kol. Prvých 9 rokovobličkypárové darcovstvo prostredníctvom národného registra obličiek: charakteristiky darcov a príjemcov v porovnaní s národnými registrami transplantácií živých darcov. Am J Transplant. 2018; 18(11):2730-2738.

2. Butt FK, Gritsch HA, Schulman P, a kol. Asynchrónna transkontinentálna reťazová transplantácia obličiek mimo sekvencie: nový koncept. Am J Transplant. 2009; 9(9):2180-2185.

3. Veale JL, Capron AM, Nassiri N, a kol.poukážkypre budúce transplantácie obličiek, aby sa prekonala „chronologická inkompatibilita“ medzi živými darcami a príjemcami. Transplantácia. 2017;101(9):2115-2119.

4. Flechner SM, Leeser D, Pelletier R, a kol. Začlenenie pokročilého programu darcovstva do výmeny párov obličiek: prvé skúsenosti národného registra obličiek. Am J Transplant. 2015;15(10): 2712-2717.

5. Kroese DP, Brereton T, Taimre T, Botev ZI. Prečo je dnes metóda Monte Carlo taká dôležitá. Wires Comp. Stat. 2014;6(6):386-392.

6. Parikh ND, Hutton D, Marrero W, Sanghani K, Xu Y, Lavieri M. Projekcie v darcovských orgánoch dostupných na transplantáciu pečene v Spojených štátoch: 2014–2025. Transpl. 2015; 21(6):855-863.

7. Gentry SE, Chow EKH, Massie A, et al. Zdieľanie pečene a výkon organizácie odberu orgánov v rámci prerozdeleného prideľovania. Transpl. 2015; 21(8):1031-1039.

8. Riou J, Boelle PY, Christie JD, Thabit G. Pravidlo vysokého núdzového prideľovania orgánov pri transplantácii pľúc: simulačná štúdia. ERJ Open Res. 2017; 3(4):00020-2017.

9. Hasankhani F, Khademi A. Efektívna a spravodlivá politika prideľovania srdca pre transplantáciu. MDM Policy Pract. 2017;2(1):2381468317709475.

10. Hallan SI, Coresh J, Astor BC, a kol. Medzinárodné porovnanie vzťahu chronickýchobličkyprevalencia ochorenia a riziko ESRD. J Am Soc Nephrol. 2006;17(8):2275-2284.

11. Landray MJ, Emberson JR, Blackwell L a kol. Predpoveď ESRD a úmrtia u ľudí s CKD: prospektívna kohortová štúdia Chronic Renal Impairment v Birminghame (CRIB). Am JObličkyDis. 2010;56(6):1082-1094.

12. Leeser DB, Thomas AG, Shaffer AA, a kol. Výsledky transplantácie párového darcovstva obličiek: skúsenosti z prvých desiatich rokov Národného registra obličiek. 2019 Am Trans kongres. Am J Transplant. 2019; 19 (Suppl 3).