Un modelo de optimización basado en simulación para estudiar el impacto del listado de múltiples regiones y el intercambio de información sobre los resultados del trasplante de riñón

Zahra Gharibi 1* y Michael Hahsler 2

Resumen:Más de 8000 pacientes en lista de espera parariñóntrasplante mueren o dejan de ser elegibles para recibir trasplantes debido al deterioro de la salud. Al mismo tiempo, más de 4000 riñones recuperados de donantes fallecidos se descartan cada año en los Estados Unidos. Este artículo desarrolla un modelo de optimización basado en simulación que considera varios factores cruciales para unriñóntrasplante para mejorarriñónutilización. A diferencia de la mayoría de los modelos propuestos, el modelo de optimización presentado incorpora detalles del proceso de oferta, el deterioro de la salud del paciente yriñóncalidad a lo largo del tiempo, la correlación entre la salud de los pacientes y las decisiones de aceptación, y la probabilidad de aceptación del riñón. Estimamos los parámetros del modelo utilizando datos obtenidos de la Red Unida de Intercambio de Órganos (UNOS) y el Registro Científico de Receptores de Trasplantes (SRTR). Usando estos parámetros, ilustramos el poder del modelo de optimización basado en simulación usando dos aplicaciones relacionadas. El primero explora los efectos de alentar a los pacientes a buscar la lista de espera de múltiples regiones en los resultados posteriores al trasplante. Aquí, un modelo de optimización basado en simulación le permite al paciente seleccionar las mejores regiones para estar en la lista de espera, dadas sus relaciones entre demanda y oferta. La segunda aplicación se centra en un aspecto del trasplante a nivel del sistema, a saber, la contribución del intercambio de información para mejorar las tasas de descarte de riñones y el bienestar social. Investigamos los efectos del uso de la tecnología de la información moderna para acelerar la búsqueda de un paciente compatible con un órgano de donante disponible sobre la mortalidad en la lista de espera, el descarte de riñón y las tasas de trasplante. Mostramos que el soporte de tecnología de la información moderna desarrollado actualmente por United Network for Organ Sharing (UNOS) es esencial y puede mejorar significativamente la utilización del riñón.

Palabras clave:modelo de simulación;riñónaceptación;riñónasignación; listado de múltiples regiones; el intercambio de información

Contacto:joanna.jia@wecistanche.com

Cistanchetubulosa previene la enfermedad renal, haga clic aquí para obtener la muestra

1. Introducción

Crónicoriñón(ERC) es una pérdida progresiva deriñónfunción a lo largo del tiempo. La ERC es una crisis de salud mundial ya que, en este momento, más de 2 millones de pacientes padecen enfermedad renal en etapa terminal (ESRD) o insuficiencia renal. Se espera que el número de pacientes diagnosticados con ESRD aumente a una tasa de entre el 5 y el 7 por ciento cada año [1]. En la actualidad, no existe una cura parariñóny los pacientes con ESRD necesitan recibir diálisis frecuentes o un trasplante de riñón de un donante vivo o fallecido para sobrevivir. Para la mayoría de los pacientes, el trasplante de riñón es el tratamiento preferido que proporciona una mayor esperanza de vida con una mejor calidad de vida que la diálisis. Sin embargo, los pacientes de todo el mundo se enfrentan a una escasez crónica de riñones de donantes accesibles para trasplantes.

En la actualidad, en los EE. UU., cerca de 100,000 pacientes están en lista de espera y, en promedio, se inscriben más de 3000 pacientes nuevos cada mes. Cada año, más de 4000 pacientes mueren mientras esperan un salvavidasriñóntrasplante, y más de 4000 se enferman demasiado y son Para comprender las razones detrás de tasas de descarte tan altas, debemos observar elriñónproceso de asignación y oferta. Existen diferencias considerables entre los riñones de donantes vivos y fallecidos y entre los distintos países. Nos centramos aquí enriñonesde donantes fallecidos en los EE.UU. Los criterios más importantes para la asignación de riñones de donantes fallecidos son (1) compatibilidad médica donante-receptor, (2) factores logísticos y (3) la posición del paciente en la lista de espera (p. ej., tiempo de espera, puntos). Más específicamente, en los EE. UU., la Red Unida de Intercambio de Órganos (UNOS) administra la Red de Obtención y Trasplante de Órganos (OPTN) y es responsable de recopilar datos sobre pacientes y donantes. Además de la información logística y el tiempo de espera, los datos de la lista de espera incluyen la identidad del paciente, factores demográficos (p. ej., género, raza, edad) y características médicas (p. ej., tipo de sangre ABO, antígenos leucocitarios humanos (HLA), panel reactivo anticuerpo (PRA)). De manera similar, para crear una base de datos de donantes fallecidos, UNOS obtiene información sobre la demografía de los donantes, la logística de los donantes, la recuperación y preservación, y las características médicas de los donantes. en EE.UU. se trasplantaron un total de 16.534 riñones. A pesar de la gran demanda y la importante escasez de riñones, aproximadamente uno de cada cinco riñones recuperados de donantes fallecidos se descarta [2].

Para comprender las razones detrás de tasas de descarte tan altas, debemos observar elriñónproceso de asignación y oferta. Existen diferencias considerables entre el donante vivo y el donante fallecido.riñonesy entre diferentes países. Nos centramos aquí en los riñones de donantes fallecidos en los EE. UU. Los criterios más importantes para la asignación de riñones de donantes fallecidos son (1) compatibilidad médica donante-receptor, (2) factores logísticos y (3) la posición del paciente en la lista de espera (p. ej., tiempo de espera, puntos). Más específicamente, en los EE. UU., la Red Unida de Intercambio de Órganos (UNOS) administra la Red de Obtención y Trasplante de Órganos (OPTN) y es responsable de recopilar datos sobre pacientes y donantes. Además de la información logística y el tiempo de espera, los datos de la lista de espera incluyen la identidad del paciente, factores demográficos (p. ej., género, raza, edad) y características médicas (p. ej., tipo de sangre ABO, antígenos leucocitarios humanos (HLA), panel reactivo anticuerpo (PRA)). De manera similar, para crear una base de datos de donantes fallecidos, UNOS obtiene información sobre la demografía de los donantes, la logística de los donantes, la recuperación y preservación, y las características médicas de los donantes.

UNOS utiliza una red informática centralizada para conectar todas las Organizaciones de obtención de órganos (OPO) y los centros de trasplante. Para asignar donadoriñones, UNOS utiliza su sistema de emparejamiento de donante-receptor. Cada vez que un nuevo donante fallecidoriñónse recupera para el trasplante, UNOS aplica un algoritmo de comparación, un programa que compara los datos del donante con los datos de los pacientes activos en lista de espera. Se genera una lista de pacientes ordenada por rango mediante reglas y políticas de asignación de riñones. Los factores considerados en la creación de esta lista incluyen el tiempo de espera, la compatibilidad del sistema inmunitario del donante y el receptor, la elegibilidad prioritaria del donante vivo, la distancia desde el hospital del donante, el beneficio de supervivencia (coincidencia de longevidad entre el donante y el receptor) y el estado pediátrico.

El proceso de oferta completo es complejo y aquí nos enfocamos solo en los componentes principales que son necesarios para el modelo de simulación que se analiza en este documento. El proceso comienza con los pacientes incluidos en las OPO locales (hay 58 OPO en los EE. UU., cada una con su área de servicio designada), que son médicamente compatibles y tienen la prioridad más alta en la lista de espera. Si la asignación local no tiene éxito, el órgano se ofrece en la región (los EE. UU. se dividen actualmente en 11 regiones de trasplante) y finalmente en todo el país. Las Figuras 1a,b muestran 11 regiones geográficas en los EE. UU. [3] y la jerarquía geográfica del proceso de ofrecimiento de riñones, respectivamente. Más detalles sobre la política de obtención y asignación de órganos están disponibles en [4]. Una de las razones para priorizar a los pacientes locales en elriñónproceso de asignación es reducir el tiempo entre la obtención de órganos y la implantación. Este tiempo se denomina tiempo de isquemia fría (CIT) y juega un papel esencial en los resultados del trasplante renal [5,6].

La Figura 2 y la Tabla 1 muestran variaciones regionales en CIT, tiempo de espera yriñónresultados de trasplantes en los EE. UU., respectivamente. Existe una variación sustancial en los tiempos de espera de los riñones de donantes fallecidos en los EE. UU. Múltiples factores pueden influir en el tiempo de espera de un paciente hasta el trasplante. Además de los factores clínicos del paciente como el tipo de sangre y el grado de sensibilización mostrado por PRA (panel de anticuerpos reactivos), la geografía y el lugar de residencia del paciente tienen un efecto tremendo en la posibilidad de acceder a un trasplante de riñón oportuno. Esto es importante ya que las regiones con CIT más largas tienen más probabilidades de tener tasas más bajas de supervivencia del injerto y del paciente después del trasplante. Más precisamente, como sugieren los resultados de las tasas de supervivencia de pacientes e injertos a uno y cinco años después de un trasplante de riñón, la región 9 con el CIT más largo entre todas las regiones tiene las tasas de supervivencia de pacientes e injertos a uno y cinco años más bajas entre las 11 regiones. Normalmente, cuando la CIT llega a las 24 h, es difícil encontrar un paciente que acepte el órgano ofrecido. En la mayoría de los casos, los riñones se desechan a las 48 h de la CIT. Por lo tanto, reducir el CIT renal a través de mejoras gerenciales podría ser una forma rentable de mejorar el sistema de trasplantes y los resultados actuales.

Los cirujanos de trasplantes y los reguladores en los EE. UU. han expresado su preocupación con respecto a la altariñóntasas de descarte a pesar de la creciente lista de espera, el largo tiempo de espera y la alta tasa de eliminación de la lista de espera. La Tabla 2 muestra la lista de espera y la información de trasplantes para los países de EE. UU. y Eurotrasplantes (ET). Eurotransplant es una organización internacional sin fines de lucro responsable de la asignación y el trasplante de órganos en Austria (A), Bélgica (B), Croacia (HR), Alemania (D), Hungría (H), Luxemburgo (LR), Países Bajos (NL) y Eslovenia. (SLO). Aunque el número de donadosriñonesy trasplantes realizados en 2019 en los EE. UU. ha alcanzado un máximo histórico, la tasa de descarte de riñón de aproximadamente el 26 % (calculada como la cantidad de trasplantes de riñón fallecidos más del doble de la cantidad total de donantes fallecidos) sigue siendo motivo de preocupación, en comparación con la ET tasa de descarte de los países del 20 por ciento.

La razón más común para el donanteriñónel rechazo y el posible descarte son preocupaciones sobre la calidad del riñón del donante. Los datos muestran que los cirujanos de trasplante rechazarían riñones de baja calidad para un paciente relativamente sano con la esperanza de recibir una mejor oferta en el futuro [7]. Además deriñóncalidad,riñónlas tasas de aceptación y de descarte también pueden verse afectadas por el propio proceso de asignación [8]. La evidencia muestra que los riñones rechazados al principio del proceso de asignación tienen menos probabilidades de ser aceptados más adelante [9]. Otra preocupación es la creciente aversión al riesgo de los centros de trasplante debido a los informes específicos del programa que evalúan los resultados posteriores al trasplante. Estos pueden proporcionar incentivos para que los centros exijan riñones de mayor calidad. En consecuencia, es posible que rechacen los riñones adecuados para el paciente, pero eso presenta un riesgo de afectar negativamente la evaluación de los resultados posteriores al trasplante [8,10–15].

Otra razón para no observar niveles suficientemente altosriñónutilización es la disparidad geográfica de EE. UU. en el acceso al trasplante de riñón. La Tabla 3 muestra las disparidades geográficas en la cantidad de donantes fallecidos, OPO y centros de trasplante en las 11 regiones. Varios estados como Wyoming, Idaho y Montana no cuentan con centros de trasplante a pesar de su alta tasa de donación de órganos. Tal variación y diferencia en las OPO y las instalaciones de trasplante de órganos puede conducir a una disponibilidad injusta de órganos, un acceso deficiente a la atención y un tiempo de espera prolongado e innecesario para algunos pacientes. Uno de los cinco objetivos estratégicos de UNOS es proporcionar equidad en el acceso a los trasplantes y reducir la disparidad geográfica [16]. Para mejorar la posibilidad de recibir un órgano donado compatible y reducir el largo tiempo de espera, los pacientes pueden mudarse a una región con tiempos de espera más cortos o alistarse en múltiples centros de trasplante, generalmente ubicados en diferentes regiones [17]. UNOS ha establecido múltiples políticas de listado que permiten inscribir a los pacientes en más de un centro de trasplante.

Actualmente, alrededor del 4 por ciento de los pacientes que esperan unriñónlos trasplantes son de lista múltiple, que es la tasa más alta entre todos los órganos [18].

Al igual que con cualquier alistamiento de trasplante, el paciente debe completar las pruebas de evaluación y estar comprometido con la regulación del centro de trasplante, como la capacidad de llegar al centro de trasplante dentro de un tiempo determinado. Para inscribirse en múltiples centros, este proceso puede ser bastante costoso ya que la mayoría de las compañías de seguros no reembolsan el costo de las evaluaciones adicionales [15,19]. Además, los pacientes que reciben trasplantes de órganos deben tomar medicamentos inmunosupresores como parte de su atención posterior al trasplante para asegurarse de que su cuerpo no rechace un nuevo órgano [20]. Por lo tanto, un paciente necesita saber si la atención posterior al trasplante se puede transferir a un centro más cercano a su residencia. Sin políticas de apoyo financiero adecuado para los gastos de viaje, esto claramente aún plantea un problema en términos de equidad y justicia que los formuladores de políticas deben abordar.

En este documento, presentamos un modelo de simulación estocástica que se puede utilizar para analizar el efecto de los cambios en el sistema de asignación de riñones y el proceso de oferta. El modelo de simulación involucra la salud del paciente, la calidad del riñón donante representada porRiñónDonor Profile Index (KDPI) [21], deterioro de la calidad del riñón donante debido a la acumulación de CIT durante el proceso de asignación, y también oferta y demanda de riñón. Además, el modelo considera la posibilidad de que un donante de riñón no pueda ser aceptado por otras razones (p. ej., enfermedad a corto plazo del paciente, recursos quirúrgicos insuficientes, resultado de compatibilidad cruzada). Utilizando los parámetros del modelo estimados a partir de los datos proporcionados por UNOS y el Registro científico de receptores de trasplantes (SRTR), aplicamos el modelo de simulación para investigar las siguientes dos tendencias cruciales para mejorar las tasas de trasplante de riñón de donantes:

1. Listado múltiple: la transferencia a una región con un tiempo de espera más corto o la lista de espera en varias regiones puede ayudar a un paciente al aumentar sus posibilidades de recibir un trasplante de riñón antes. En consecuencia, el paciente puede mejorar los resultados posteriores al trasplante debido a un menor deterioro de la salud al permanecer en diálisis. Sin embargo, no es fácil desarrollar una estrategia para guiar la decisión del paciente de transferir o incluir en múltiples listas. Formulamos la decisión como un problema de maximización de la utilidad bajo un conjunto de restricciones de presupuesto, distancia e instalaciones a nivel regional. La oferta y la demanda varían ampliamente entre las 11 regiones de EE. UU. y para los diferentes tipos de sangre. Tal variación da como resultado tiempos de espera muy variados, lo que lleva a diferentes utilidades esperadas y estrategias óptimas de aceptación del riñón (expresadas como umbrales óptimos de calidad del riñón). Para derivar la utilidad de un paciente para diferentes regiones, usamos el modelo de simulación para obtener la utilidad bajo decisiones de aceptación de trasplante de riñón óptimas e individualizadas basadas en el estado de salud del paciente y la oferta y demanda del tipo de sangre del paciente. Usamos la información obtenida para resolver el problema de optimización y derivar una política de selección de región óptima.

2. Tecnología de la información: La comunicación rápida y precisa entre UNOS y los centros de trasplante es necesaria para que la asignación de órganos sea más eficiente, lo que incluso se vuelve más crítico ante pacientes con listas múltiples. UNOS tiene el objetivo de aumentar el uso de la tecnología de la información en la asignación y el trasplante de órganos. Han implementado un sistema seguro en línea que recopila datos para mejorar la capacidad del sistema de trasplantes para mejorar las posibilidades del paciente de recibir un órgano que le salve la vida. A medida que la tecnología ha evolucionado, UNOS también fomenta el desarrollo y el uso de tecnología moderna, como dispositivos móviles, para una consideración más rápida y eficiente de las necesidades de los donantes.riñónofrece para lograr una mayor tasa de utilización del riñón [22]. Por ejemplo, los dispositivos móviles facilitarán la recopilación actualizada de la disponibilidad de los pacientes para el trasplante (por ejemplo, a través de una aplicación). Usando esta información, OPTN asignará el riñón más rápido, reduciendo el deterioro y el descarte de riñones. En el caso ideal de información perfecta, OPTN podría encontrar al primer paciente en la lista de espera que aceptaría instantáneamente elriñón, reduciendo el CIT y el descarte al mínimo. La simulación presentada evalúa el efecto de un caso realista de intercambio imperfecto de información.

   
   

   
   

2. Revisión de la literatura

En esta sección, revisamos los estudios médicos y analíticos sobre el trasplante de órganos relevantes para este artículo. En el caso de los artículos médicos, nos centramos principalmente en la CIT y el tiempo de espera en diálisis como dos factores de riesgo independientes manejables que contribuyen de manera efectiva a los resultados del trasplante renal. Para la sección analítica, revisamos los artículos que se encuentran dentro de una o ambas corrientes de investigación relacionadas con la toma de decisiones para aceptar órganos de donantes fallecidos y el diseño del proceso de asignación.

2.1. literatura médica

Varios investigadores de América del Norte, América del Sur y Europa han estudiado la asociación entre CIT yriñónresultados del trasplante [23,24]. El análisis realizado por Nieto-Ríos et al. [25] muestra que CIT es un factor de riesgo independiente para la función retardada del injerto (DGF). Más precisamente, el riesgo de desarrollar DGF aumenta a medida que la CIT supera las 18 h. Sin embargo, no impacta negativamente en los resultados de rechazo agudo o pérdida del injerto un año después del trasplante.

Un estudio francés de Debout et al. [26] encuentra que el riesgo de fracaso del aloinjerto postrasplante y mortalidad aumenta notablemente por cada hora adicional de CIT. Un estudio similar realizado por Valdivia et al. [27] en Andalucía, España, confirma que la CIT prolongada puede afectar las tasas de supervivencia del paciente y del injerto. El estudio sugiere que el CIT largo puede aumentar el riesgo de una mala función inicial del injerto, independientemente de la edad del donante y del receptor. A medida que aumenta el CIT, también aumenta la posibilidad de DGF. Sin embargo, la asociación dañina de la CIT prolongada con el riesgo de DGF no se amplifica en los donantes mayores (p. ej., criterios ampliados, donantes). El estudio muestra que el efecto de la CIT sobre el rechazo agudo del trasplante renal (ARTR) es más notorio entre los pacientes sometidos ariñónretrasplante El análisis también sugiere que los riñones donados con un CIT de 24 horas o más tienen un mayor riesgo de ARTR en comparación con los órganos con un CIT de menos de 12 horas. Koizumi et al. [6] informan que se han observado variaciones regionales en los resultados renales en los EE. UU., pero la razón principal detrás de estas variaciones no está clara. El estudio revela variaciones significativas del tiempo de isquemia fría (CIT) entre regiones para los riñones de los donantes. Específicamente, encuentran que las regiones con CIT más largo tienen más probabilidades de tener una tasa de supervivencia renal posterior al trasplante más baja. Sugieren que las mejoras gerenciales pueden ser una opción rentable para mejorar el rendimiento del sistema de trasplante actual y potencialmente reducir las tasas de descarte de órganos.

Meier-Kriesche et al. [28] utilizan los datos del Registro del Sistema de Datos Renales de los Estados Unidos (USRDS) para considerar la posible asociación entre el tiempo de espera y los resultados del trasplante renal. Su estudio confirma que el largo tiempo de espera es un factor de riesgo significativo que afecta negativamente los beneficios de supervivencia del trasplante renal. Como resultado, sugieren que cuanto antes los pacientes con ESRD reciban un trasplante renal, mayores serán sus posibilidades de supervivencia a largo plazo. Meier-Kriesche y Kaplan [29] investigan la importancia del tiempo de espera en diálisis como el factor de riesgo independiente más importante enriñónresultados del trasplante. Como parte de su análisis, aplican estimaciones de Kaplan-Meier y modelos de riesgos proporcionales de Cox en la base de datos del sistema de datos renales de EE. UU. para explorar el efecto del tiempo de espera en donantes fallecidos.riñónresultados. Sus hallazgos muestran que las tasas de supervivencia del injerto a cinco y diez años son significativamente peores entre los receptores de riñón emparejados que han esperado más de dos años en diálisis en comparación con los receptores de riñón emparejados.riñóndestinatarios con un tiempo de espera de menos de medio año.

2.2. Literatura Analítica

La literatura analítica se centra en el diseño de lariñónproceso de asignación y emplea a menudo modelos de simulación. Los temas discutidos son la efectividad y equidad del proceso de asignación y el efecto de la decisión de aceptación del riñón.

Para analizar el proceso de asignación utilizado en el año 2000, Zenios et al. [30] proponen una asignación dinámica de recursos que maximiza la esperanza de vida del paciente después de recibir un trasplante de riñón y minimiza la inequidad entre los pacientes. El modelo de simulación construido muestra que la política de asignación de órganos empleada actualmente aumenta la esperanza de vida ajustada por calidad del paciente y reduce el tiempo de espera esperado.

losriñónLa decisión de aceptación es fundamental para toda una corriente de investigación. Ahn y Hornberger [31] desarrollan un modelo teórico que considera la salud del paciente al tomar una decisión de aceptación/rechazo con respecto a la calidad de los riñones ofrecidos. Su análisis revela que un paciente relativamente saludable puede darse el lujo de ser selectivo con respecto a la calidad de la sangre de un donante.riñonesy esperar recibir un mejor resultado posterior al trasplante al aceptar un riñón de alta calidad. Su y Zenios [32] estudian el efecto de la elección del paciente sobre el sistema de asignación de órganos. El estudio presenta un modelo de colas que analiza los efectos de la elección del paciente en las tasas de rechazo renal al evaluar el desempeño del sistema de espera bajo las políticas de primero en llegar, primero en servir (FCFS) y último en llegar, primero en servir (LCFS). Concluyen que LCFS es más eficiente que FCFS. De hecho, a diferencia de LCFS, la política de FCFS incentiva a los pacientes a rechazar riñones de baja calidad, lo que resulta en una baja utilización de riñones. Por otro lado, el modelo muestra que la política LCFS obtiene una utilización óptima de los órganos. En un estudio diferente, Su y Zenios [33] investigan el papel de la elección del paciente en la asignación de riñones utilizando un modelo de asignación estocástica secuencial. El modelo aborda el conflicto entre la elección del paciente y el bienestar social. El análisis considera dos esquemas, donde el primero asume que los pacientes tienen que aceptar cualquier riñón ofrecido. La primera mejor solución es encontrar una política de asignación que maximice el bienestar social. Al introducir la elección del paciente, la mejor política se modifica para lograr una segunda mejor política. En consecuencia, se introduce una condición de compatibilidad de incentivos, que obliga a diseñar la política de asignación de forma que asegure que los pacientes aceptarán cualquier oferta de riñón. Su y Zenios [34] introducen un modelo de diseño de mecanismos para la asignación de órganos que tiene en cuenta la elección del paciente. Los pacientes indican los tipos de riñón (p. ej., calidad) que desean recibir al unirse a la lista de espera de trasplante de riñón (no al momento de la oferta de riñón de donante) y se unen a la cola que atiende el tipo de riñón declarado. De esa forma, el modelo reduce el largo proceso de búsqueda al identificar a los pacientes apropiados que desean aceptar riñones de donantes recuperados de manera más efectiva.

La justicia y la equidad son temas importantes Bertsimas et al. [35] estudiar las disparidades geográficas en el acceso a donantes fallecidosriñones. Usan una aproximación de flfluid para un modelo de colas para formular la forma óptima para que un paciente se inscriba en las listas de espera de múltiples centros de trasplante. El objetivo del paciente es maximizar la expectativa de vida y minimizar el costo de la congestión. Al combinar resultados analíticos, de simulación y numéricos, muestran que la inclusión múltiple promueve en gran medida la equidad geográfica y aumenta la cantidad de donantes.riñónsuministro. Tener más donantes conduce a una mayor tasa de trasplantes y reduce la tasa de mortalidad de los pacientes en lista de espera. Unos pocos estudios [36–38] han desarrollado modelos que permiten que una pareja incompatible de donante-receptor todavía reciba un riñón de donante vivo a través de un intercambio con otras parejas incompatibles de donante-receptor. Si bien la mayoría de los modelos existentes tienen como objetivo maximizar el número total de posibles intercambios de riñones y el bienestar social, no consideran el componente de equidad definido como satisfacción del donante y el receptor. Lee et al. [39] presentan un modelo de programación estocástica de dos etapas que considera la equidad en los programas de intercambio de riñón de donantes vivos. El estudio examina múltiples escenarios para investigar el efecto de la equidad en los resultados del intercambio de riñones. Los resultados numéricos muestran la mejora en el resultado del programa de intercambio de donantes vivos cuando se tiene en cuenta la equidad en el emparejamiento de pares incompatibles. Tenga en cuenta que algunos estudios discutidos aquí consideran el impacto de la equidad en el trasplante de riñón vivo; sin embargo, nos enfocamos solo en los trasplantes que utilizan riñones de donantes fallecidos.

Las simulaciones presentadas en la literatura utilizan suposiciones sólidas. Por ejemplo, Su y Zenios [33] asumen que los pacientes tienen que aceptar cualquier ofertariñón, o en [34] los pacientes no pueden cambiar la calidad renal elegida inicialmente. Además, la mayoría de las simulaciones suelen centrarse en una sola variable. Por ejemplo, el estudio de Ruth et al. [40] se centra en la duración de la lista de espera. El estudio propone un modelo de simulación para el proceso de asignación de órganos y encuentra que bajo las condiciones de asignación de órganos en 1985, la longitud de la lista de espera seguirá creciendo. El modelo de simulación que presentamos en este documento brinda una imagen más completa al considerar el efecto de las decisiones del paciente, la oferta y la demanda en diferentes regiones, la eficiencia del proceso de asignación y el efecto esperado de la utilidad posterior al trasplante.

culturismo cistanche

3. Descripción de los modelos

En las siguientes secciones, analizamos en detalle los componentes principales de los modelos de simulación y optimización. Los modelos de simulación incluyen pacientes (demanda de órganos), donantes fallecidosriñónllegada (suministro de órganos), el proceso de oferta consecutiva de riñón de donante fallecido para encontrar el umbral óptimo de calidad renal y la utilidad postrasplante esperada para un paciente con un nivel de salud determinado. Luego utilizamos la salida del modelo de simulación como los coeficientes de la función objetivo del modelo de optimización para recomendar una política de listado múltiple y sugerir un conjunto de regiones que el paciente puede elegir.

3.1. Modelo de simulación

Desarrollamos un modelo de simulación que permite al paciente identificar el óptimoriñónumbral de calidad que maximiza su utilidad postrasplante. Los parámetros del modelo dependen de la oferta y la demanda de la región de los pacientes. Simulamos elriñónestrategia de aceptación y la utilidad postrasplante resultante correspondiente a cada trasplante. La Figura 3 ilustra el proceso de simulación. Discutimos los componentes clave en las siguientes secciones.

3.1.1. Demanda de órganos

La demanda está representada por pacientes en lista de espera. Dividimos a los pacientes en varios grupos de pacientes competitivos que pueden recibir el mismo tipo de órgano de donante fallecido según los tipos de sangre y otros criterios clínicos. Modelamos cada grupo por separado. Consideraremos la interacción entre grupos (p. ej., algunos pacientes con tipo de sangre AB pueden recibir órganos de donantes con cualquier tipo de sangre) ajustando el suministro de órganos a los grupos individuales.

Cada grupo competitivo de pacientes está modelado por una cola relacionada con el tipo de sangre j donde j ∈ {A, B, AB, O}. Los pacientes pueden unirse a su cola compatible (p. ej., según el tipo de sangre) con una tasa de λj y ser atendidos por donantes compatibles. Compatibleriñonesllegar a la cola del tipo de sangre j con una tasa de µi. Por ejemplo, para la cola de sangre tipo A, compatibleriñonesson de los tipos A y O. Los pacientes salen de la lista de espera j con una tasa de trasplante de ηi cuando (1) aceptan un riñón ofrecido, o (2) con una tasa de θi se enferman demasiado para el trasplante o mueren en la lista de espera . La estructura del modelo de colas se muestra en la Figura 4.

Siguiendo el estudio en [34], los pacientes con sangre tipo j llegan de acuerdo con un proceso de Poisson con una tasa de llegada de λj para unirse a la lista de espera. Los pacientes se unen a la lista de espera en el modelo con un estado de salud inicial no observable h0 que representa el tiempo restante que pueden sobrevivir en diálisis cuando se unen. Modelamos la distribución de h0 en la población de pacientes utilizando una distribución de Weibull. La distribución de Weibull se usa a menudo en el análisis de supervivencia para representar el tiempo hasta la falla, ya que puede expresar tasas de falla que disminuyen, son constantes o aumentan con el tiempo. La salud de un paciente simulado, h0, es entonces la realización de una variable aleatoria H0 ∼ Weibull(a, b), donde a y b son los parámetros de escala y forma, respectivamente. Los pacientes salen de la lista de espera si (1) reciben un trasplante o (2) dejan la cola debido a problemas de salud (o muerte). Dado que h0 es el tiempo que la paciente puede sobrevivir con diálisis cuando se une a la lista de espera (es decir, el índice indica que esperó cero años hasta el momento), la salud real después de esperar w años es hw {{1{{ 11}}}} h0 − w lo que significa que el paciente saldrá de la lista de espera a más tardar cuando w=h0.

3.1.2. Suministro de órganos

Siguiendo [34], donante fallecido compatibleriñonesllegar a la cola para el tipo de sangre j según un proceso de Poisson homogéneo independiente con tasa de llegada µj. OPTN definió unriñónmétrica de calidad llamada Kidney Donor Profile Index (KDPI) que incorpora diez factores clínicos de donantes para clasificar los riñones según la supervivencia renal estimada después del trasplante [41]. KDPI considera las siguientes características del donante: edad, altura, peso, origen étnico, si el donante murió debido a pérdida de función cardíaca o pérdida de función cerebral, accidente cerebrovascular como causa de muerte, antecedentes de presión arterial alta, antecedentes de diabetes, exposición a el virus de la hepatitis C, la creatinina sérica (una medida de la función renal). Por construcción, KDPI se distribuye casi uniformemente entre todos los riñones cosechados en un año determinado. Siguiendo KDPI, modelamos la calidad de un riñón de donante entrante que se muestra con q0 como la realización de una variable aleatoria Q ∼ Unif(0, 1). Usamos 0 para representar la calidad renal más baja y 1 la más alta, es decir, q0=1 − KDPI. Cuando un nuevo riñón de donante está disponible en la simulación, el riñón se ofrece simultáneamente a un grupo de g pacientes con una ventana de tiempo específica para considerar la oferta y tomar la decisión de aceptación/rechazo. Si nadie en el grupo de g pacientes puede aceptar el riñón después del tiempo asignado, entonces el riñón se ofrece al siguiente grupo de g pacientes en la lista de espera. El proceso de asignación continúa hasta que el paciente acepta el órgano o lo descarta (debido a una búsqueda o colocación del órgano fallida). Para la escasez actual de riñones de donantes, tenemos µj < λj,="" es="" decir,="" los="" riñones="" llegan="" a="" una="" tasa="" más="" baja="" que="" los="" nuevos="" pacientes.="" la="" eliminación="" del="" paciente="" debido="" a="" la="" salud="" o="" la="" muerte="" mantiene="" la="" cola="" en="" un="" tamaño="" finito.="" las="" listas="" de="" espera="" más="" largas="" dan="" como="" resultado="" tiempos="" de="" espera="" más="" largos="" y="" un="" mayor="" deterioro="" de="" la="" salud="" de="" los="" pacientes.="" a="" su="" vez,="" esto="" aumenta="" la="" tasa="" de="" retiro="" (pacientes="" que="" se="" van="" sin="" recibir="" un="" trasplante).="" la="" longitud="" de="" la="" cola="" se="" estabiliza="" en="" el="" equilibrio="" en="" el="" que="" la="" tasa="" de="" trasplantes="" más="" la="" tasa="" de="" eliminación="" de="" pacientes="" coinciden="" con="" la="" tasa="" de="" llegada="" de="">

3.1.3. Decisión de aceptación/rechazo de riñón

Con el tiempo, a medida que el proceso de donaciónriñóncontinúa la ofrenda, el riñón acumula CIT y su calidad se deteriora. Modelamos este deterioro como qt {{0}} f(q0, δ, t). En esta ecuación, t representa el CIT acumulado y q0 representa la calidad del riñón en el momento de la recuperación cuando t=0. La variable δ representa un factor de deterioro de la calidad renal. Requerimos que la función de calidad f sea decreciente en δ y t, es decir, ∂ f(q0,δ,t)∂δ < 0="" y∂="" f="" (q0,δ,t)="" ∂t="">< 0.="" en="" el="" modelo="" de="" simulación,="" medimos="" el="" tiempo="" como="" múltiplos="" del="" tiempo="" permitido="" para="" una="" ronda="" de="" ofertas.="" si="" los="" pacientes="" tienen="" una="" hora="" para="" decidir,="" entonces="" t="" representa="" la="" ciudad="" acumulada="" en="" horas.="" modelamos="" la="" aceptación/rechazo="" del="" riñón="" por="" decisión="" del="" paciente="" y="" el="" posterior="" trasplante="" en="" dos="" pasos.="" primero,="" el="" paciente="" usa="" una="" estrategia="" de="" umbral="" para="" decidir="" si="" una="">riñónes aceptable. El paciente aceptaría la oferta si qt Mayor o igual a k, donde k es el umbral de calidad renal decidido por el paciente y el cirujano. Para riñones aceptables, consideramos varios factores relacionados con la salud del paciente y el centro de trasplante. En el modelo de simulación, usamos la probabilidad de que se realice el trasplante dado que se ofrece un riñón aceptable como

donde p(factores del paciente) representa la situación médica específica del paciente y cualquier hecho que el paciente o el cirujano puedan decidir en contra de lariñónpor razones que no se explican únicamente por la calidad del riñón (p. ej., el paciente está temporalmente inactivo en la lista de espera, resultado desfavorable de la prueba cruzada). La probabilidad p(factores del centro) representa la preparación del centro de trasplantes (p. ej., disponibilidad de personal, quirófanos, etc.), así como las consideraciones del impacto del trasplante en la evaluación del desempeño del centro. El paciente elige su umbral de decisión k en consulta con el cirujano. Dicho umbral estará influenciado por la salud del paciente h0 ya que un paciente al que le queda más tiempo en diálisis esperará un riñón de mejor calidad. Modelamos esta relación en la simulación eligiendo para cada paciente de una variable aleatoria K ∼ Unif(0,1) que está correlacionada con el sh0 del paciente representado por un coeficiente de correlación de rango de Spearman de ρH 0, k.

3.1.4. Utilidad Post-Transplante del Paciente

Si el paciente acepta al donante fallecidoriñónoferta y se produce el trasplante, un paciente recibe utilidad post-trasplante. La utilidad postrasplante depende de la calidad del riñón en el momento del trasplante qt, y del tiempo de espera del paciente w resultando en el estado de salud de hw=h0 − w. La utilidad posterior al trasplante se puede dividir en dos componentes

donde B(·) representa el beneficio para el paciente en función de lariñóncalidad, y D(·) da cuenta del deterioro del paciente en lista de espera. Dividir la utilidad en estos dos componentes tiene beneficios para estimar parámetros a partir de datos. La función B(·) puede verse como el beneficio del paciente si recibiera un riñón con calidad qt sin esperar. La función de beneficio debe satisfacer que aumenta con la salud del paciente h{{0}} y la calidad del riñón, es decir, ∂B(∂hh00, qt) > 0 y ∂ B(∂hq0t, qt) > 0. D(·) representa un coste en forma de factor de deterioro por esperar w por el riñón. La función de costo debe aumentar a medida que aumenta el tiempo de espera y disminuye con la salud del paciente. Es decir, una forma común de definir funciones como B(·) es en forma de regresión logística para la supervivencia propuesta por Cox [42] que modela las probabilidades condicionales de morir en cualquier punto de tiempo dada la supervivencia hasta ese punto en cuanto a

donde m(h{{0}}) indica el resultado del trasplante para un paciente con nivel de salud h0 que recibió un riñón perfecto (qt=1) de inmediato (w {{3 }}). Naturalmente, m(h0) aumenta con la salud del paciente h0. Usamos para D(·) el funcional de

donde se controla la tasa de deterioro. El factor de deterioro es igual a uno (es decir, sin deterioro) cuando el tiempo de espera es cero (w {{0}}). Si el paciente espera un riñón de muy alta calidad y se le acaba el tiempo (es decir, w=h0), entonces el factor de deterioro se convierte en cero. La forma funcional elegida es muy flexible y puede expresar un deterioro lineal ({{ 4}}), ralentizando el deterioro ( > 1) y aumentando el deterioro ( < 1).="" al="" estimar="" los="" parámetros="" a="" partir="" de="" los="" datos="" y="" utilizar="" la="" optimización="" de="" la="" simulación,="" podemos="" encontrar="" para="" cada="" paciente="" el="" valor="">riñónumbral de calidad k∗que maximiza la utilidad postrasplante.

3.2. Selección de regiones y modelo de optimización de listados múltiples

Un paciente puede mejorar sus posibilidades de recibir un trasplante si se muda a una región diferente (selección de región) o si se inscribe en centros de trasplante en varias regiones. Para ayudar al paciente a identificar un conjunto de regiones para el reclutamiento múltiple, utilizamos el modelo de simulación para calcular el parámetro de política de umbral óptimo k∗i y la utilidad máxima esperada que es probable que un paciente obtenga de un trasplante en cada región. Esto está representado por 11 valores de utilidad Ui(k∗i , h0, w), i ∈ 1, 2, . . . , 11. Para simplificar, escribimos Ui(k∗i ) para representar la utilidad esperada posterior al trasplante para un paciente con h0 y w dados. La selección de región ahora se realiza eligiendo la región con la mayor utilidad.

Para el listado múltiple, representamos la acción de enlistarse en la región i por la variable de decisión binaria

El paciente tiene 11 variables de decisión, una para cada región. Suponemos que el paciente querrá aumentar sus posibilidades al incluirse en las mejores regiones con la mayor utilidad esperada dado un conjunto de restricciones. Esto se puede formular como el siguiente problema de optimización.

Sumar la utilidad de la región asegura que las regiones con las utilidades más grandes estén incluidas en la solución. La primera restricción asegura que la solución satisfaga el presupuesto total C del paciente dado. La segunda restricción considera la distancia máxima D que el paciente puede recorrer para llegar a tiempo al centro de trasplante. La tercera restricción considera la expectativa del paciente sobre el rendimiento de la región P y, finalmente, la última restricción restringe que rito sea 0 o 1. Dado que el número de regiones es pequeño, con solo 11, este problema se puede resolver mediante enumeración.

4. Aplicaciones y Resultados Numéricos

Comenzamos esta sección estimando los parámetros necesarios para el modelo de simulación y luego presentamos cómo se puede usar el modelo para dos aplicaciones. La primera aplicación ilustra cómo el modelo puede proporcionar una guía estratégica para respaldar la elección de un paciente de mudarse a una región diferente o alistarse en varias regiones.

La segunda aplicación analiza los beneficios potenciales del uso de tecnología moderna de información compartida (p. ej., a través de aplicaciones para teléfonos inteligentes) para mejorar el bienestar social mediante el aumento de la utilidad postrasplante de los pacientes yriñóntasas de utilización.

culturismo cistanche

4.1. Estimación de parámetros

Usamos datos de UNOS y SRTR para estimar los parámetros del modelo. Extraemos datos de UNOS para el año 2019 para estimar las adiciones a la lista de espera y los donantesriñónsuministro. Para el cálculo del tiempo de espera, usamos valores informados por SRTR. El sistema de datos SRTR contiene datos médicos y demográficos detallados de todos los donantes, pacientes en lista de espera y receptores de trasplantes en los EE. UU. El conjunto de datos utilizado consta de más de 400,000 pacientes que son receptores por primera vez de trasplantes de riñón de donantes fallecidos entre octubre de 1987 y finales de 2019.

Los informes anuales de SRTR y UNOS brindan información sobre la llegada de órganos y la actividad de la lista de espera (p. ej., estadísticas de incorporación y extracción de pacientes). Usamos estos datos para estimar λj y µjin para cada período.

Un factor importante para estimar la tasa de llegada de riñones a una cola de sangre tipo j es la compatibilidad del tipo de sangre entre pacientes y donantes. Según los criterios de compatibilidad del tipo de sangre, los donantes con sangre tipo O son donantes universales cuyos órganos renales se pueden ofrecer a pacientes de todos los tipos de sangre. Por otro lado, los donantes con sangre tipo AB pueden donar sus riñones solo a pacientes con sangre tipo AB mientras que son receptores universales de todos los tipos de sangre. La Tabla 4 muestra en detalle la compatibilidad del tipo de sangre para un trasplante de riñón. Este documento solo informa resultados para el tipo de sangre A. Los resultados para otros tipos de sangre se pueden obtener de manera similar. La tabla 5 muestra los donantes y las llegadas de pacientes para el tipo de sangre A.

Según los datos del SRTR, los pacientes con sangre tipo A reciben en promedio el 94 % y el 6 % de los órganos de donantes de sangre tipo A y O, respectivamente, lo que se refleja en elriñónproporcione el parámetro µj en la Tabla 5. Siguiendo el esquema de oferta actual utilizado por OPTN en los EE. UU., usamos el tamaño del grupo de pacientes de g=5 en nuestro modelo de simulación. Establecimos la tasa de degradación renal δ al 5 por ciento de acuerdo con los informes de que los órganos rara vez se usan después de una CIT de 48 h [6]. En δ=0.05, la calidad del riñón se deteriora a (1 − 0.05) {{10}}.5 por ciento de su calidad inicial después de 48 h. Según conversaciones con un colaborador médico, usamos una probabilidad de trasplante p(trasplante)=0.8 para todas las regiones. También se podría estimar una probabilidad para cada región a partir de los datos, pero actualmente no disponemos de información sobre rechazos de ofertas de riñones. Los parámetros , y para la función de beneficio B(h0, qt) y el factor de costo C(h{{30}}, w) se pueden estimar si los datos de resultado, incluida la publicación -La supervivencia del trasplante está disponible. Sin embargo, dado que nuestro conjunto de datos no incluye estos datos, usamos=0.4,=8 y=0.5 en nuestra simulación. Agregamos pacientes a la lista de espera con una salud h0 extraída de una variable aleatoria H0 con una distribución de Weibull. Usamos un parámetro de escala a=8 y un parámetro de forma b=2 para obtener una salud promedio de cerca de 7 años y alrededor del 90 por ciento de la población menor de 12 años. Utilizamos una correlación de rangos de Spearman ρ(H0, K) de 0,2, cercana a la correlación entre la calidad renal aceptada y la salud del paciente observada en los datos.

4.2. Selección de región y listado múltiple

Para ilustrar el enfoque de selección de región, informamos los resultados de un paciente objetivo con tipo de sangre A, un año de vida en diálisis (h0=1) que actualmente se encuentra en la posición 100 de la lista de espera. Completamos la lista de espera con pacientes generados aleatoriamente (cuya salud se extrae de una distribución de Weibull con un umbral de política correlacionado). Realizamos la misma simulación 100 veces cada uno para los valores de umbral de decisión k ∈ {0, 0.1, 0.2, · · ·, 0.9} y promediamos los resultados de las 100 ejecuciones para estimar la utilidad esperada para cada umbral.

La Tabla 6 informa los resultados para el umbral óptimo, k∗i, lo que da como resultado la mayor utilidad postrasplante esperada, Ui(k∗i), para cada región. losriñónla tasa de llegada a la cola (pacientes en lista de espera con tipo de sangre A) por año es µA y qt es la calidad promedio del riñón trasplantado. Por ejemplo, si el paciente objetivo está inscrito en la región 6, un umbral de k=0.65 es óptimo, lo que conduce a una utilidad de 9,6 años. Por el contrario, si ella está alistada en la región 2, la decisión óptima puede ser tan alta como 0.85 con una utilidad de 13.22 años.

La Tabla 7 representa los datos estimados que usamos en nuestro modelo de optimización para encontrar un conjunto de regiones factibles para un paciente con tipo de sangre A que se supone que vive actualmente y está inscrito en la región 6. Usamos un conjunto de datos UNOS para estimar el tiempo de espera esperado y el { Tasa de supervivencia de {2}}años para dichos pacientes en las 11 regiones. En cada región, elegimos una ciudad importante y estimamos su costo de vida mensual correspondiente utilizando el índice de costo de vida de la ciudad. El costo de evaluación se define como el producto del número total esperado de evaluaciones hastariñóntrasplante y el costo por evaluación. El número esperado de evaluaciones se estima en base a una política de reevaluación de 6-meses exigida por la mayoría de los centros de trasplante. En general, la paciente es responsable de pagar el costo de la evaluación periódica si desea inscribirse en más de una región, ya que la mayoría de las pólizas de seguro cubren el costo de la evaluación periódica de un solo registro. El costo total se calcula de la siguiente manera: la cantidad total de dinero que debe pagar un paciente (número de evaluaciones multiplicado por el costo de la evaluación) más el costo de viajar y permanecer en otra región durante tres días.

Como ejemplo, aquí asumimos que el paciente tiene un presupuesto de C=$15,000. También puede viajar hasta D=1500 millas, y su expectativa mínima del desempeño de una región es del 75 por ciento de supervivencia a cinco años. Con la intención de maximizar su resultado posterior al trasplante bajo estas tres restricciones, nuestro modelo encuentra que además de la región de origen 6, el paciente también puede ser reclutado en las regiones 5, 4 u 8, donde la región 5 proporciona la mayor utilidad esperada. OPTN se compromete a brindar equidad en el acceso a los trasplantes y reducir las disparidades geográficas [16]. Bajo el listado múltiple gratuito, los pacientes tienen un incentivo para inscribirse en tantas regiones como puedan, dadas sus limitaciones presupuestarias. Esto significa que el acceso al trasplante se ve afectado por los recursos económicos del paciente, lo que puede representar un problema en términos de equidad y equidad. Sin embargo, a largo plazo, la selección libre de regiones y los listados múltiples pueden reducir las disparidades geográficas. Más pacientes se alistarán en regiones que actualmente ofrecen una mayor utilidad, nivelando las disparidades de la demanda y reduciendo la brecha de servicios públicos. En ese momento, la ventaja de tener más presupuesto para enlistarse en varias regiones disminuirá, lo que conducirá a una situación más equitativa. A corto plazo, la equidad debe garantizarse temporalmente mediante políticas apropiadas para hacer que los listados múltiples estén disponibles para más pacientes.

4.3. El efecto del intercambio de información sobre la eficiencia de la asignación

Una de las iniciativas del Plan Estratégico de la OPTN (2018-2021) [16] con el objetivo de aumentar el número de trasplantes es buscar herramientas del sistema para lograr una correspondencia entre donante y receptor más eficiente. Dichas herramientas incluyen herramientas para compartir información, lo que significa que el centro de trasplante y el paciente comparten información actualizada con OPTN, lo que tiene el potencial de acelerar lariñónproceso de asignación y así reducir el tiempo de isquemia fría (CIT) y la tasa de descarte renal.

La información que se puede compartir incluye:

1. El umbral de aceptación del paciente k: Cada paciente informa suriñónumbral de aceptación de calidad k decidido por ella misma y su médico.

2. Cualquier criterio de decisión adicional utilizado por el paciente: Las decisiones del paciente y del cirujano pueden verse afectadas por información no incluida en elriñónevaluación de la calidad (KDPI). Tener parámetros de calidad más estandarizados, donde la paciente pueda preespecificar lo que acepta, mejoraríariñónasignación. Con información completa, OPTN podría identificar instantáneamente a los pacientes que aceptarían el riñón y ahorraría un valioso CIT.

3. La disponibilidad actual del paciente: Una indicación actualizada de si el paciente actualmente puede recibir un trasplante. Los factores incluyen la salud actual y los viajes.

4. Disponibilidad del centro de trasplantes: Considera la disponibilidad del centro de trasplantes, existen instalaciones como quirófanos preparados, cirujanos, enfermeras y personal para realizar la cirugía a tiempo.

Con información perfecta, OPTN tendría acceso a información actualizada sobre los umbrales de aceptación k de todos los pacientes, cualquier requisito adicional para el órgano y si el paciente y el centro están disponibles. Por lo tanto, OPTN podría identificar directamente al primer paciente en la lista de espera que aceptará y recibirá el trasplante. Esto reducirá efectivamente CIT, es decir, t, al mínimo necesario para extraer el órgano y realizar el trasplante. En el modelo de simulación, la información perfecta se puede expresar estableciendo g en la longitud de la lista de espera, lo que indica que se busca instantáneamente en toda la lista de espera un paciente coincidente. Asumir información perfecta es poco realista por muchas razones. Por ejemplo, los problemas técnicos pueden afectar la disponibilidad de la información y es posible que los pacientes o los centros no mantengan toda la información constantemente actualizada. Se mejora una configuración más realista, pero aún se comparte información imperfecta. Más información significa que los pacientes pueden identificarse más rápido utilizando la información compartida. Expresamos este hecho en el modelo de simulación mediante un mayor número de pacientes que se pueden buscar por hora (es decir, un aumento en g).

Para ilustrar el efecto de la mejora en el intercambio de información, informamos los resultados para los pacientes del tipo de sangre A en la región 6. Inicializamos la lista de espera con 1000 pacientes y ejecutamos la simulación hasta que la duración de la lista de espera se estabiliza en alrededor de 1800 pacientes (200 meses). Informamos los resultados después de este período de preparación con un promedio de más de 300 meses. La línea de base es el tamaño de grupo utilizado actualmente de g=5. Variamos g para representar diferentes niveles de intercambio de información.

La Tabla 8 muestra el impacto del intercambio de información expresado por cuántos pacientes en la lista de espera pueden considerarse efectivamente por hora. En el tamaño del grupo inicial de cinco, la calidad promedio del riñón aceptado es 0.66, lo que lleva a una utilidad promedio de 10.76 años por paciente trasplantado. El riñón puede viajar hasta 45 pacientes en la lista de espera y es aceptado en promedio por el sexto paciente. La Tabla 9 presenta las tasas de utilización del riñón y de mortalidad en lista de espera, además de la tasa de trasplante. La tasa de utilización del riñón aumenta significativamente a medida que aumenta g.

Como muestra la Figura 5, la mejora en lariñónla tasa de trasplante es del 17 por ciento por duplicar la velocidad del proceso de oferta g=10, y llega al 47 por ciento cuando se dispone de información perfecta. Por otro lado, la tasa de mortalidad en la lista de espera disminuye en un 7 por ciento cuando g=10, y la reducción puede llegar al 21 por ciento. La simulación ilustra el efecto sobre la eficiencia que el intercambio de información puede aportar al proceso de asignación.

El intercambio de información se puede implementar de muchas maneras, utilizando la tecnología actual. Los ejemplos incluyen el uso de aplicaciones y dispositivos médicos portátiles para rastrear la disponibilidad del paciente casi en tiempo real. Las interfaces estandarizadas entre el sistema de información de los centros de trasplante y OPTN se pueden utilizar para administrar la disponibilidad del centro. La implementación de estas tecnologías llevará tiempo, pero los resultados presentados en este estudio de simulación indican que el beneficio potencial es significativo con el potencial de reducirriñóntasas de descarte al mínimo.

5. Observaciones finales

La primera contribución de esta investigación es desarrollar un modelo de simulación que proporcione un donante fallecido óptimoriñónguía de aceptación para los tomadores de decisiones (pacientes y cirujanos). El mayor desafío de modelar la aceptación/rechazo de órganos es incorporar condiciones y situaciones del mundo real para tomar una decisión crucial para salvar vidas. Por ello, nuestra intención principal como principal novedad de este trabajo es reconocer, agregar e implementar diferentes elementos esenciales que contribuyan a los criterios de selección renal. El modelo propuesto permite la diversidad en la salud de los pacientes yriñóncalidad, así como su correlación. Además, incluimos el deterioro de la calidad de los riñones causado por la acumulación de CIT a medida que avanza el proceso de asignación. Además de todos los elementos mencionados anteriormente, también incorporamos la salud y la disponibilidad del paciente junto con los recursos humanos y de las instalaciones para proponer una solución de trasplante óptima.

El modelo propuesto se puede utilizar para investigar cómo las diferentes opciones de políticas pueden afectar los objetivos estratégicos establecidos por OTPN [16]. Ilustramos esto con dos aplicaciones. En primer lugar, mostramos cómo se puede aplicar el modelo para informar las decisiones de los pacientes con respecto a la inscripción múltiple dadas las limitaciones de costo, distancia y calidad de la atención. Si bien el listado múltiple a corto plazo puede plantear desafíos para la equidad entre los pacientes en función de los recursos financieros, tiene el potencial de nivelar las disparidades geográficas en el acceso a los trasplantes y, por lo tanto, aumentar la equidad.

Una segunda ilustración llama la atención sobre el aspecto de bienestar social deriñóntrasplante en lugar de centrarse en encontrar una solución óptima como se consideró en la primera aplicación. Comparamos los resultados de bienestar social (es decir, la utilización de riñones de donantes y la utilidad posterior al trasplante en todo el sistema) para varios niveles de información disponible, que van desde la falta de información hasta la información perfecta. El aumento de la información conduce a una asignación renal más rápida y a una tasa de descarte renal reducida. El aumento de la tasa de trasplante mejora la utilidad del bienestar social y reduce la duración de lariñónlista de espera de trasplante, tiempo y tasa de mortalidad. Los formuladores de políticas pueden usar estos resultados para motivar el valor de la tecnología de la información moderna para recopilar la información necesaria y mostrar la importancia de diseñar estructuras de incentivos que fomenten el intercambio oportuno de información entre pacientes y centros. Por ejemplo, el diseño de una aplicación de trasplante de órganos para un teléfono inteligente puede proporcionar una manera segura, fácil y rápida de enviar y actualizar la información requerida de manera oportuna. El legislador puede querer establecer una regla básica que todos los pacientes y centros de trasplante deben seguir para recibir ofertas. Por ejemplo, al utilizar la tecnología y el servicio de aplicaciones obligatorias, los centros de trasplante pueden revisar o verificar sus datos enviados regularmente (por ejemplo, todos los días) después de que la posición de un paciente en la lista de espera supere cierto umbral. El modelo propuesto es lo suficientemente simple y flexible como para adaptarse fácilmente para investigar muchos otros aspectos del proceso de asignación de riñones.

AutHor Centributiens:Los autores contribuyeron igualmente a este trabajo. Todos los autores han leído y están de acuerdo con la versión publicada del manuscrito.

Fondoing:Esta investigación no recibió financiación externa.

Institutienal Review Board Statement:No aplica.

Informeducar Ccomplementosest Statemest:No aplica.

Data AVirginiaIllinoisability Statement:El conjunto de datos utilizado en este análisis se puede obtener a través de UNOS.

Cen líneaicts of Interest:Los autores declaran no tener conflicto de intereses.

culturismo cistanche

Referencias

1. Universidad de California San Francisco. losRiñónProyecto—Creación de un bioartificialRiñóncomo solución permanente a la insuficiencia renal. Disponible en línea: (consultado el 4 de abril de 2020).

2. NacionalRiñónBase. Estadísticas de Donación y Trasplante de Órganos. 2016. Disponible en línea: (consultado el 16 de abril de 2020).

3. Regiones UNOS: Recursos Regionales de Trasplante de Órganos. Disponible en línea: (consultado el 20 de marzo de 2020).

4. OPTN. Políticas Efectivas a partir del 6 de diciembre de 2020 [Ex Comm 9.9.A.]. Disponible en línea: (consultado el 2 de enero de 2021).

5. Wey, A.; Salkowski, N.; Kasiske, BL; Israelí, Alaska; Snyder, JJ Influencia deriñóncomportamiento de aceptación de ofertas en métricas de eficiencia de asignación. clin. Trasplante. 2017, 31, e13057.

6. Koizumi, N.; DasGupta, D.; Patel, AV; Smith, TE; Mayer, JD; Callender, C.; Melancon, JK Variación geográfica en el tiempo de isquemia fría:RiñónVersus trasplante de hígado en los Estados Unidos, 2003 a 2011. Trasplante. Directo2015, 1, e27.

7. Howard, DH ¿Por qué los cirujanos de trasplantes rechazan órganos?: Un modelo de la decisión de aceptar/rechazar. J. Economía de la Salud. 2002, 21, 957–969.

8. Lawson, C.; Johnson, D.; Clapper, D.; Fowler, K.; Kapur, S. Disminución de laRiñónTasa de descarte. Noticias del riñón. 2017. Disponible en línea: (consultado el 22 de febrero de 2020).

9. Zhang, J. El sonido del silencio: aprendizaje por observación en EE. UU.riñónmercado. Marca. ciencia 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. La asociación de evaluaciones de desempeño del centro yriñónvolumen de trasplantes en los Estados Unidos. Soy. J. Trasplante. 2013, 13, 67–75.

11. Schold, J.; Buccini, L.; Poggio, E.; Flechner, S.; Goldfarb, D. Asociación de remociones de candidatos de laRiñónLista de espera de trasplantes y supervisión del rendimiento del centro. Soy. J. Trasplante. Apagado. Mermelada. Soc. Trasplante. Soy. Soc. Transpl. Cirugía 2016, 16, 1276–1284.

12. Bae, S.; Massie, AB; Luo, X.; Anjum, S.; Desai, Nuevo México; Segev, DL Cambios en la tasa de descarte después de la introducción del Kidney Donor Profile Index (KDPI). Soy. J. Trasplante. 2016, 16, 2202–2207.

13. Schold, JD; Buccini, LD; Goldfarb, DA; Flechner, SM; Poggio, ED; Sehgal, AR Asociación entreriñónrendimiento del centro de trasplante y el beneficio de supervivencia del trasplante frente a la diálisis. clin. Mermelada. Soc. nefrol. 2014, 9, 1773–1780.

14. Haller, MC; Kainz, A.; Baer, ​​H.; Oberbauer, R. Cosecha de diálisis y resultados despuésriñóntrasplante: un estudio de cohorte retrospectivo. clin. Mermelada. Soc. nefrol. 2016, 12, 122–130.

15. ONUS. Hablando sobre el trasplante: Preguntas frecuentes sobre el listado múltiple y la transferencia del tiempo de espera. 2017. Disponible en línea: (consultado el 13 de junio de 2020).

16. OPTN. Plan Estratégico OPTN/UNOS 2018-2021. Disponible en línea: (consultado el 12 de abril de 2020).

17. Chakkera, HA; Chertow, GM; O'Hare, AM; Modificar, WJ; Gonwa, TA Variación regional enriñónresultados del trasplante: tendencias a lo largo del tiempo. clin. Mermelada. Soc. nefrol. 2009, 4, 152–159.

18. Ardekani, MS; Orlowski, JM Listado múltiple enriñóntrasplante. Soy. jRiñónDis. 2010, 55, 717–725.

19. ONUS. Listado múltiple. Disponible en línea: (consultado el 1 de diciembre de 2018).

20. Gharibi, Z.; Ayvaci, MU; Hahsler, M.; Giacoma, T.; Gastón, RS; Tanriover, B. Rentabilidad de la terapia de inducción basada en anticuerpos en donante fallecidoriñóntrasplante en los Estados Unidos. Trasplante 2017, 101, 1234.