预测肝移植存活率的移植前模型
现行的移植肝脏分配系统倾向于将器官分配给原位肝移植(OLT)后存活率差的危重受者。由于器官来源严重缺乏、等待移植过程中死亡数量增加、危重受者数量不断增多，目前需要一种能够平衡疾病严重程度与移植后存活率的器官分配系统。只有通过创建一种预测OLT后存活率的预后模型，才能够实现这一目标。 因此，医务人员希望能创建一个预测模型，使其能够利用简便易得的移植前指标，判断患者行OLT后的存活率。
由于丙肝(HCV)是OLT的最常见适应征，加州大学洛杉矶分校David Geffen医学院的Rafik M. Ghobrial及其同事分析了影响该院HCV受者行OLT后存活率的指标。他们利用联合器官分配网络(UNOS)数据库，通过HCV与非HCV患者检验并修订创建的患者存活模型，采用Kaplan-Meier方法、单变量比较和多变量Cox比例危害性回归进行分析。
研究人员利用多变量分析判断该院近10年来成年HCV患者行首次移植后的存活率独立预测指标，随后将其加入预测存活模型以预测患者的存活率。据此，死亡率通过以下公式计算得出： 0.0293(受者年龄)+ 1.085(log10 受者肌酐)+ 0.289(供者为女性)+ 0.675 紧急UNOS - 1.612(log10 受者肌酐乘紧急UNOS)。将上述指标和供者年龄、总胆红素、凝血酶原时间(PT)、再次移植、热与冷缺血时间共同应用于UNOS数据库。
在近10年来接受移植的46,942例患者中，25,772例患者的资料完善。研究人员创建了一个能够准确预测存活率的八因素模型。据此，移植后死亡率指数 = 0.0084 供者年龄 + 0.0019 受者年龄 + 0.816 log 肌酐 + 0.0044 热缺血时间(分钟)+ 0.659(如果再次移植)+ 0.10 log 胆红素 + 0.0087 PT + 0.01 冷缺血时间(小时)。该模型适用于首次或第二次肝移植患者。基于该模型预测的患者存活率和观察到的移植后存活率相同。此外，该模型能够准确预测HCV和非HCV患者是否存活。
Ghobrial等认为，通过这八项简单明了的指标，能够准确预测移植后患者存活率。肝移植存活评估模型、疾病严重程度、终末期肝病模型评估的联合应用能够显著改善存活率，最大程度地使患者得益于OLT。, http://www.100md.com
由于丙肝(HCV)是OLT的最常见适应征，加州大学洛杉矶分校David Geffen医学院的Rafik M. Ghobrial及其同事分析了影响该院HCV受者行OLT后存活率的指标。他们利用联合器官分配网络(UNOS)数据库，通过HCV与非HCV患者检验并修订创建的患者存活模型，采用Kaplan-Meier方法、单变量比较和多变量Cox比例危害性回归进行分析。
研究人员利用多变量分析判断该院近10年来成年HCV患者行首次移植后的存活率独立预测指标，随后将其加入预测存活模型以预测患者的存活率。据此，死亡率通过以下公式计算得出： 0.0293(受者年龄)+ 1.085(log10 受者肌酐)+ 0.289(供者为女性)+ 0.675 紧急UNOS - 1.612(log10 受者肌酐乘紧急UNOS)。将上述指标和供者年龄、总胆红素、凝血酶原时间(PT)、再次移植、热与冷缺血时间共同应用于UNOS数据库。
在近10年来接受移植的46,942例患者中，25,772例患者的资料完善。研究人员创建了一个能够准确预测存活率的八因素模型。据此，移植后死亡率指数 = 0.0084 供者年龄 + 0.0019 受者年龄 + 0.816 log 肌酐 + 0.0044 热缺血时间(分钟)+ 0.659(如果再次移植)+ 0.10 log 胆红素 + 0.0087 PT + 0.01 冷缺血时间(小时)。该模型适用于首次或第二次肝移植患者。基于该模型预测的患者存活率和观察到的移植后存活率相同。此外，该模型能够准确预测HCV和非HCV患者是否存活。
Ghobrial等认为，通过这八项简单明了的指标，能够准确预测移植后患者存活率。肝移植存活评估模型、疾病严重程度、终末期肝病模型评估的联合应用能够显著改善存活率，最大程度地使患者得益于OLT。, http://www.100md.com