Model Optimasi Berbasis Simulasi Untuk Mempelajari Dampak Pencatatan Beberapa Wilayah Dan Berbagi Informasi Terhadap Hasil Transplantasi Ginjal

Zahra Gharibi 1,* dan Michael Hahsler 2

Abstrak:Lebih dari 8000 pasien dalam daftar tunggu untukginjaltransplantasi mati atau tidak memenuhi syarat untuk menerima transplantasi karena penurunan kesehatan. Pada saat yang sama, lebih dari 4000 ginjal yang pulih dari donor yang sudah meninggal dibuang setiap tahun di Amerika Serikat. Makalah ini mengembangkan model optimasi berbasis simulasi yang mempertimbangkan beberapa faktor penting untukginjaltransplantasi untuk meningkatkanginjalpemanfaatan. Tidak seperti kebanyakan model yang diusulkan, model pengoptimalan yang disajikan menggabungkan rincian proses penawaran, penurunan kesehatan pasien danginjalkualitas dari waktu ke waktu, korelasi antara kesehatan pasien dan keputusan penerimaan, dan kemungkinan penerimaan ginjal. Kami memperkirakan parameter model menggunakan data yang diperoleh dari United Network of organ sharing (UNOS) dan Scientific Registry of Transplant Recipients (SRTR). Dengan menggunakan parameter ini, kami menggambarkan kekuatan model optimasi berbasis simulasi menggunakan dua aplikasi terkait. Yang pertama mengeksplorasi efek dari mendorong pasien untuk mengejar daftar tunggu beberapa wilayah pada hasil pasca transplantasi. Di sini, model pengoptimalan berbasis simulasi memungkinkan pasien memilih wilayah terbaik untuk dimasukkan dalam daftar tunggu, dengan mempertimbangkan rasio permintaan terhadap pasokan mereka. Aplikasi kedua berfokus pada aspek tingkat sistem transplantasi, yaitu kontribusi berbagi informasi dalam meningkatkan angka pembuangan ginjal dan kesejahteraan sosial. Kami menyelidiki efek penggunaan teknologi informasi modern untuk mempercepat menemukan pasien yang cocok dengan organ donor yang tersedia pada kematian daftar tunggu, pembuangan ginjal, dan tingkat transplantasi. Kami menunjukkan bahwa dukungan teknologi informasi modern yang saat ini dikembangkan oleh United Network for Organ Sharing (UNOS) sangat penting dan dapat secara signifikan meningkatkan pemanfaatan ginjal.

Kata kunci:model simulasi;ginjalpenerimaan;ginjalalokasi; daftar beberapa wilayah; Berbagi informasi

Kontak:{0}}

Bentengtubulosa mencegah penyakit ginjal, klik di sini untuk mendapatkan sampelnya

1. Perkenalan

Kronisginjalpenyakit (CKD) adalah hilangnya progresifginjalfungsi dari waktu ke waktu. CKD adalah krisis kesehatan di seluruh dunia karena, saat ini, lebih dari 2 juta pasien menderita penyakit ginjal stadium akhir (ESRD) atau gagal ginjal. Jumlah pasien yang didiagnosis dengan ESRD diperkirakan akan meningkat pada tingkat antara 5 persen dan 7 persen setiap tahun [1]. Saat ini, tidak ada obat untukginjalkegagalan, dan pasien dengan ESRD perlu sering menerima dialisis atau transplantasi ginjal dari donor hidup atau meninggal untuk bertahan hidup. Bagi kebanyakan pasien, transplantasi ginjal adalah pengobatan pilihan yang memberikan harapan hidup lebih lama dengan kualitas hidup yang lebih tinggi daripada dialisis. Namun, pasien di seluruh dunia dihadapkan pada kekurangan kronis ginjal donor yang dapat diakses untuk transplantasi.

Saat ini di AS, hampir 100,000 pasien ada dalam daftar tunggu, dan rata-rata, lebih dari 3000 pasien baru terdaftar setiap bulan. Setiap tahun, lebih dari 4000 pasien meninggal saat menunggu penyelamat hidupginjaltransplantasi, dan lebih dari 4000 menjadi terlalu sakit dan untuk memahami alasan di balik tingkat pembuangan yang begitu tinggi, kita perlu melihatginjalalokasi dan proses penawaran. Ada perbedaan besar antara ginjal donor yang masih hidup dan yang sudah meninggal dan antara negara yang berbeda. Kami fokus di sini padaginjaldari donor yang sudah meninggal di AS. Kriteria paling penting untuk alokasi ginjal donor yang meninggal adalah (1) kompatibilitas medis donor-penerima, (2) faktor logistik, dan (3) posisi pasien dalam daftar tunggu (misalnya, waktu tunggu, poin). Lebih khusus lagi, di AS, United Network of Organ Sharing (UNOS) mengelola Jaringan Pengadaan dan Transplantasi Organ (OPTN) dan bertanggung jawab untuk mengumpulkan data pasien dan donor. Selain informasi logistik dan waktu tunggu, data daftar tunggu mencakup identitas pasien, faktor demografi (misalnya, jenis kelamin, ras, usia), dan karakteristik medis (misalnya, golongan darah ABO, antigen leukosit manusia (HLA), panel-reactive antibodi (PRA)). Demikian pula, untuk membuat database donor yang telah meninggal, UNOS memperoleh informasi tentang demografi donor, logistik donor, pemulihan dan pelestarian, dan karakteristik medis donor. di AS, total 16.534 ginjal ditransplantasikan. Meskipun permintaan tinggi dan kekurangan ginjal yang signifikan, sekitar satu dari lima ginjal pulih dari donor meninggal dibuang [2].

Untuk memahami alasan di balik tingkat pembuangan yang begitu tinggi, kita perlu melihat:ginjalalokasi dan proses penawaran. Ada perbedaan besar antara donor hidup dan donor yang sudah meninggalginjaldan antar negara yang berbeda. Kami fokus di sini pada ginjal dari donor yang sudah meninggal di AS. Kriteria paling penting untuk alokasi ginjal donor yang meninggal adalah (1) kompatibilitas medis donor-penerima, (2) faktor logistik, dan (3) posisi pasien dalam daftar tunggu (misalnya, waktu tunggu, poin). Lebih khusus lagi, di AS, United Network of Organ Sharing (UNOS) mengelola Jaringan Pengadaan dan Transplantasi Organ (OPTN) dan bertanggung jawab untuk mengumpulkan data pasien dan donor. Selain informasi logistik dan waktu tunggu, data daftar tunggu mencakup identitas pasien, faktor demografi (misalnya, jenis kelamin, ras, usia), dan karakteristik medis (misalnya, golongan darah ABO, antigen leukosit manusia (HLA), panel-reactive antibodi (PRA)). Demikian pula, untuk membuat database donor yang telah meninggal, UNOS memperoleh informasi tentang demografi donor, logistik donor, pemulihan dan pelestarian, dan karakteristik medis donor.

UNOS menggunakan jaringan komputer terpusat untuk menghubungkan semua Organ Procurement Organization (OPO) dan pusat transplantasi. Untuk mengalokasikan disumbangkanginjal, UNOS menggunakan sistem pencocokan donor-penerimanya. Setiap kali donor baru meninggalginjaldiambil untuk transplantasi, UNOS menerapkan algoritma match-run, sebuah program yang membandingkan data donor dengan data pasien dalam daftar tunggu aktif. Daftar pasien yang diurutkan berdasarkan peringkat dibuat menggunakan aturan dan kebijakan alokasi ginjal. Faktor-faktor yang dipertimbangkan dalam membuat daftar ini termasuk waktu tunggu, kompatibilitas sistem kekebalan donor-penerima, kelayakan prioritas donor hidup, jarak dari rumah sakit donor, manfaat kelangsungan hidup (pencocokan umur panjang donor-penerima), dan status pediatrik.

Proses penawaran lengkapnya rumit dan kami fokus di sini hanya pada komponen utama yang diperlukan untuk model simulasi yang dibahas dalam makalah ini. Prosesnya dimulai dengan pasien yang terdaftar di OPO lokal (ada 58 OPO di AS, masing-masing dengan area layanan yang ditentukan), yang kompatibel secara medis dan memiliki prioritas tertinggi dalam daftar tunggu. Jika alokasi lokal tidak berhasil, organ ditawarkan di wilayah tersebut (AS saat ini dibagi menjadi 11 wilayah transplantasi) dan akhirnya secara nasional. Gambar 1a,b menunjukkan 11 wilayah geografis di AS [3] dan hierarki geografis dari proses penawaran ginjal, masing-masing. Rincian lebih lanjut tentang kebijakan pengadaan dan alokasi organ tersedia di [4]. Salah satu alasan untuk memprioritaskan pasien lokal diginjalproses penugasan adalah untuk mengurangi waktu antara pengadaan organ dan implantasi. Waktu ini disebut Cold Ischemia Time (CIT) dan memainkan peran penting dalam hasil transplantasi ginjal [5,6].

Gambar 2 dan Tabel 1 menunjukkan variasi regional dalam CIT, waktu tunggu, danginjalhasil transplantasi di seluruh AS, masing-masing. Ada variasi substansial dalam waktu tunggu ginjal donor yang telah meninggal di seluruh AS. Beberapa faktor dapat mempengaruhi waktu tunggu pasien sampai transplantasi. Selain faktor klinis pasien seperti golongan darah dan tingkat sensitisasi yang ditunjukkan oleh PRA (panel reaktif antibodi), geografi dan tempat tinggal pasien memiliki pengaruh yang luar biasa terhadap kemungkinan mengakses transplantasi ginjal tepat waktu. Ini penting karena daerah dengan CIT yang lebih lama lebih cenderung memiliki cangkok pasca-transplantasi yang lebih rendah dan tingkat kelangsungan hidup pasien. Lebih tepatnya, seperti yang disarankan oleh hasil dari pasien satu dan lima tahun dan tingkat kelangsungan hidup cangkok setelah transplantasi ginjal, wilayah 9 dengan CIT terpanjang di antara semua wilayah memiliki tingkat kelangsungan hidup pasien dan cangkok satu dan lima tahun terendah di antara semua 11 daerah. Biasanya ketika CIT mencapai 24 jam, sulit untuk menemukan pasien untuk menerima organ yang ditawarkan. Dalam kebanyakan kasus, ginjal dibuang setelah 48 jam CIT. Dengan demikian, mengurangi CIT ginjal melalui perbaikan manajerial dapat menjadi cara yang hemat biaya untuk meningkatkan sistem dan hasil transplantasi saat ini.

Ahli bedah transplantasi dan regulator di AS telah menyatakan keprihatinan mereka tentang tingginya pengamatanginjalmembuang tarif meskipun daftar tunggu bertambah, waktu tunggu lama, dan tingkat penghapusan daftar tunggu tinggi. Tabel 2 menunjukkan daftar tunggu dan informasi transplantasi untuk negara-negara AS dan Eurotransplant (ET). Eurotransplant adalah organisasi nirlaba internasional yang bertanggung jawab atas alokasi dan transplantasi organ di Austria (A), Belgia (B), Kroasia (HR), Jerman (D), Hongaria (H), Luksemburg (LR), Belanda (NL), dan Slovenia (SLO). Meskipun jumlah yang disumbangkanginjaldan transplantasi yang dilakukan pada tahun 2019 di AS telah mencapai angka tertinggi sepanjang masa, tingkat pembuangan ginjal sekitar 26 persen (dihitung sebagai jumlah transplantasi ginjal yang meninggal lebih dari dua kali jumlah total donor yang meninggal) tetap menjadi perhatian, dibandingkan dengan ET tingkat pembuangan negara sebesar 20 persen.

Alasan paling umum untuk donorginjalpenolakan dan potensi membuang adalah kekhawatiran tentang kualitas ginjal donor. Data menunjukkan bahwa ahli bedah transplantasi akan menolak ginjal berkualitas rendah untuk pasien yang relatif sehat dengan harapan menerima tawaran yang lebih baik di masa depan [7]. Selain ituginjalkualitas,ginjaltingkat penerimaan dan pembuangan juga dapat dipengaruhi oleh proses alokasi itu sendiri [8]. Bukti menunjukkan bahwa ginjal yang ditolak di awal proses alokasi lebih kecil kemungkinannya untuk diterima di kemudian hari [9]. Kekhawatiran lain adalah meningkatnya penghindaran risiko pusat transplantasi karena laporan khusus program yang mengevaluasi hasil pasca transplantasi. Ini dapat memberikan insentif bagi pusat untuk menuntut ginjal berkualitas lebih tinggi. Akibatnya, mereka mungkin menolak ginjal yang memadai untuk pasien, tetapi itu menimbulkan risiko berdampak negatif pada evaluasi hasil pasca-transplantasi mereka [8,10-15].

Alasan lain untuk tidak mengamati cukup tinggiginjalpemanfaatannya adalah disparitas geografis AS dalam akses transplantasi ginjal. Tabel 3 menunjukkan perbedaan geografis dalam jumlah donor yang meninggal, OPO, dan pusat transplantasi di 11 wilayah. Beberapa negara bagian seperti Wyoming, Idaho, dan Montana tidak memiliki pusat transplantasi meskipun tingkat donasi organ mereka tinggi. Variasi dan perbedaan dalam OPO dan fasilitas transplantasi organ dapat menyebabkan ketersediaan organ yang tidak adil, akses yang buruk ke perawatan, dan waktu tunggu yang lama untuk beberapa pasien. Salah satu dari lima tujuan strategis UNOS adalah memberikan kesetaraan dalam akses ke transplantasi dan mengurangi disparitas geografis [16]. Untuk meningkatkan kesempatan menerima donor organ yang cocok dan mengurangi waktu tunggu yang lama, pasien dapat pindah ke daerah dengan waktu tunggu yang lebih pendek atau mendaftar di beberapa pusat transplantasi, biasanya terletak di daerah yang berbeda [17]. UNOS telah menetapkan beberapa kebijakan daftar yang memungkinkan pasien terdaftar di lebih dari satu pusat transplantasi.

Saat ini, sekitar 4 persen pasien menunggu aginjaltransplantasi adalah daftar ganda, yang merupakan tingkat tertinggi di antara semua organ [18].

Seperti halnya pendaftaran transplantasi, pasien harus menyelesaikan tes evaluasi dan berkomitmen pada peraturan pusat transplantasi, seperti kemampuan untuk pergi ke pusat transplantasi dalam waktu tertentu. Untuk mendaftar di beberapa pusat, proses ini bisa sangat mahal karena sebagian besar perusahaan asuransi mungkin tidak mengganti biaya evaluasi tambahan [15,19]. Selain itu, pasien yang menerima transplantasi organ diharuskan mengonsumsi obat imunosupresi sebagai bagian dari perawatan pasca transplantasi untuk memastikan tubuh mereka tidak menolak organ baru [20]. Oleh karena itu, pasien perlu mengetahui apakah perawatan pasca transplantasi dapat dipindahkan ke pusat yang lebih dekat dengan tempat tinggalnya. Tanpa kebijakan untuk dukungan keuangan yang memadai untuk biaya perjalanan, ini jelas masih menimbulkan masalah dalam hal kesetaraan dan keadilan yang perlu ditangani oleh pembuat kebijakan.

Dalam makalah ini, kami memperkenalkan model simulasi stokastik yang dapat digunakan untuk menganalisis pengaruh perubahan pada sistem alokasi ginjal dan proses penawaran. Model simulasi melibatkan kesehatan pasien, kualitas donor-ginjal diwakili oleh:GinjalIndeks Profil Donor (KDPI) [21], penurunan kualitas ginjal donor akibat akumulasi CIT selama proses alokasi, serta suplai dan permintaan ginjal. Selanjutnya, model mempertimbangkan kemungkinan bahwa ginjal donor tidak dapat diterima karena alasan lain (misalnya, penyakit jangka pendek pasien, sumber daya bedah yang tidak mencukupi, hasil pencocokan silang). Menggunakan parameter model yang diperkirakan dari data yang disediakan oleh UNOS dan Scientific Registry of Transplant Recipients (SRTR), kami menerapkan model simulasi untuk menyelidiki dua tren penting berikut untuk meningkatkan tingkat transplantasi ginjal donor:

1. Multiple-listing: Transfer ke wilayah dengan waktu tunggu yang lebih singkat atau daftar tunggu di beberapa wilayah dapat membantu pasien dengan meningkatkan kesempatannya untuk menerima transplantasi ginjal lebih awal. Akibatnya, pasien dapat meningkatkan hasil pasca-transplantasi karena penurunan kesehatan yang lebih sedikit dari tinggal di dialisis. Namun, mengembangkan strategi untuk memandu keputusan pasien untuk transfer atau multi-daftar tidak mudah. Kami merumuskan keputusan tersebut sebagai masalah maksimalisasi utilitas di bawah serangkaian kendala anggaran, jarak, dan fasilitas di tingkat regional. Pasokan dan permintaan sangat bervariasi di 11 wilayah AS dan untuk jenis darah yang berbeda. Variasi seperti itu menghasilkan waktu tunggu yang sangat bervariasi, yang mengarah ke utilitas yang diharapkan berbeda dan strategi penerimaan ginjal yang optimal (dinyatakan sebagai ambang batas kualitas ginjal yang optimal). Untuk mendapatkan utilitas pasien untuk wilayah yang berbeda, kami menggunakan model simulasi untuk mendapatkan utilitas di bawah keputusan penerimaan transplantasi ginjal yang optimal secara individual berdasarkan status kesehatan pasien dan penawaran serta permintaan untuk golongan darah pasien. Kami menggunakan informasi yang diperoleh untuk memecahkan masalah optimasi dan mendapatkan kebijakan pemilihan wilayah yang optimal.

2. Teknologi informasi: Komunikasi yang cepat dan tepat antara UNOS dan pusat transplantasi diperlukan untuk membuat alokasi organ lebih efisien, yang bahkan menjadi lebih kritis dalam menghadapi pasien multi-daftar. UNOS memiliki tujuan untuk meningkatkan penggunaan teknologi informasi dalam alokasi organ dan transplantasi. Mereka telah menerapkan sistem berbasis online yang aman yang mengumpulkan data untuk meningkatkan kemampuan sistem transplantasi guna meningkatkan peluang pasien menerima organ yang menyelamatkan jiwa. Seiring dengan perkembangan teknologi, UNOS juga mendorong pengembangan dan penggunaan teknologi modern seperti perangkat mobile untuk pertimbangan donor yang lebih cepat dan efisien.ginjalmenawarkan untuk mencapai tingkat pemanfaatan ginjal yang lebih tinggi [22]. Misalnya, perangkat seluler akan mempermudah pengumpulan ketersediaan pasien terbaru untuk transplantasi (misalnya, melalui aplikasi). Dengan menggunakan informasi ini, OPTN akan mengalokasikan ginjal lebih cepat, mengurangi kerusakan ginjal dan membuangnya. Dalam kasus ideal informasi sempurna, OPTN dapat menemukan pasien pertama di daftar tunggu yang akan langsung menerimaginjal, mengurangi CIT dan membuang seminimal mungkin. Simulasi yang disajikan mengevaluasi efek dari kasus realistis dari berbagi informasi yang tidak sempurna.

   
   

   
   

2. Tinjauan Pustaka

Pada bagian ini, kami meninjau studi medis dan analitis tentang transplantasi organ yang relevan dengan makalah ini. Untuk makalah medis, kami terutama berfokus pada CIT dan menunggu waktu dialisis sebagai dua faktor risiko independen yang dapat dikelola secara efektif berkontribusi pada hasil transplantasi ginjal. Untuk bagian analitis, kami meninjau makalah yang termasuk dalam salah satu atau kedua dari dua aliran penelitian yang berkaitan dengan pengambilan keputusan untuk menerima organ donor yang telah meninggal dan desain proses alokasi.

2.1. Sastra Medis

Beberapa peneliti di Amerika Utara, Amerika Selatan, dan Eropa telah mempelajari hubungan antara CIT danginjalhasil transplantasi [23,24]. Analisis dilakukan oleh Nieto-Ríos et al. [25] menunjukkan bahwa CIT merupakan faktor risiko independen untuk fungsi cangkok tertunda (DGF). Lebih tepatnya, risiko pengembangan DGF meningkat saat CIT melampaui 18 jam. Namun, itu tidak berdampak negatif pada hasil penolakan akut atau kehilangan cangkok pasca transplantasi satu tahun.

Sebuah studi Perancis oleh Debout et al. [26] menemukan bahwa risiko kegagalan dan kematian allograft pasca-transplantasi terutama meningkat untuk setiap jam tambahan CIT. Sebuah penelitian serupa dilakukan oleh Valdivia et al. [27] di Andalusia, Spanyol, menegaskan bahwa CIT berkepanjangan dapat mempengaruhi tingkat kelangsungan hidup pasien dan cangkok. Studi ini menunjukkan bahwa CIT yang lama dapat meningkatkan risiko fungsi cangkok awal yang buruk terlepas dari usia donor dan penerima. Saat CIT meningkat, kemungkinan DGF juga meningkat. Namun, hubungan berbahaya dari CIT yang berkepanjangan dengan risiko DGF tidak diperkuat pada donor yang lebih tua (misalnya, kriteria yang diperluas, donor). Studi menunjukkan bahwa efek CIT pada penolakan transplantasi ginjal akut (ARTR) lebih terlihat di antara pasien yang menjalaniginjaltransplantasi ulang. Analisis juga menunjukkan bahwa ginjal yang disumbangkan dengan CIT 24 jam atau lebih memiliki risiko ARTR yang lebih besar dibandingkan dengan organ dengan CIT kurang dari 12 jam. Koizumi dkk. [6] melaporkan bahwa variasi regional dalam hasil ginjal telah diamati di AS, tetapi alasan utama di balik variasi ini tidak jelas. Studi ini mengungkapkan variasi waktu iskemia dingin (CIT) yang signifikan di seluruh wilayah untuk ginjal donor. Secara khusus, mereka menemukan bahwa daerah dengan CIT yang lebih lama lebih cenderung memiliki tingkat kelangsungan hidup ginjal pasca transplantasi yang lebih rendah. Mereka menyarankan bahwa perbaikan manajerial dapat menjadi pilihan yang hemat biaya untuk meningkatkan kinerja sistem transplantasi saat ini dan potensi mengurangi tingkat pembuangan organ.

Meier-Kriesche dkk. [28] menggunakan data dari United States Renal Data System Registry (USRDS) untuk mempertimbangkan hubungan potensial antara waktu tunggu dan hasil transplantasi ginjal. Studi mereka menegaskan bahwa waktu tunggu yang lama merupakan faktor risiko signifikan yang secara negatif mempengaruhi manfaat kelangsungan hidup transplantasi ginjal. Akibatnya, mereka menyarankan bahwa pasien ESRD lebih awal menerima transplantasi ginjal, semakin tinggi peluang mereka untuk bertahan hidup dalam jangka panjang. Meier-Kriesche dan Kaplan [29] menyelidiki pentingnya waktu tunggu pada dialisis sebagai faktor risiko independen yang paling substansial padaginjalhasil transplantasi. Sebagai bagian dari analisis mereka, mereka menerapkan perkiraan Kaplan-Meier dan model bahaya proporsional Cox pada database sistem data ginjal AS untuk mengeksplorasi efek waktu tunggu pada donor yang telah meninggal.ginjalhasil. Temuan mereka menunjukkan bahwa tingkat kelangsungan hidup cangkok lima dan sepuluh tahun secara signifikan lebih buruk di antara penerima ginjal berpasangan yang telah menunggu lebih dari dua tahun untuk dialisis dibandingkan dengan pasangan yang menjalani dialisis.ginjalpenerima dengan waktu tunggu kurang dari setengah tahun.

2.2. Literatur Analitis

Literatur analitik berfokus pada desainginjalproses alokasi dan sering menggunakan model simulasi. Isu yang dibahas adalah efektivitas dan pemerataan proses alokasi dan pengaruh keputusan penerimaan ginjal.

Untuk menganalisis proses alokasi yang digunakan pada tahun 2000, Zenios et al. [30] mengusulkan alokasi sumber daya dinamis yang memaksimalkan harapan hidup pasien dari menerima transplantasi ginjal sambil meminimalkan ketidakadilan antara pasien. Model simulasi yang dibangun menunjukkan bahwa kebijakan alokasi organ yang diterapkan saat ini meningkatkan harapan hidup yang disesuaikan dengan kualitas pasien dan mengurangi waktu tunggu yang diharapkan.

Ituginjalkeputusan penerimaan adalah pusat seluruh aliran penelitian. Ahn dan Hornberger [31] mengembangkan model teoretis yang mempertimbangkan kesehatan pasien dalam membuat keputusan penerimaan/penolakan terkait kualitas ginjal yang ditawarkan. Analisis mereka mengungkapkan bahwa pasien yang relatif sehat mampu untuk selektif tentang kualitas donorginjaldan berharap untuk menerima hasil pasca-transplantasi yang lebih baik dengan menerima ginjal berkualitas tinggi. Efek dari pilihan pasien pada sistem alokasi organ dipelajari oleh Su dan Zenios [32]. Studi ini memperkenalkan model antrian yang menganalisis efek pilihan pasien pada tingkat penolakan ginjal dengan mengevaluasi kinerja sistem menunggu di bawah kebijakan first-com-first-serve (FCFS) dan last-come-first-serve (LCFS). Mereka menyimpulkan bahwa LCFS lebih efisien daripada FCFS. Faktanya, berbeda dengan LCFS, kebijakan FCFS mendorong pasien untuk menolak ginjal berkualitas rendah, sehingga pemanfaatan ginjal menjadi rendah. Di sisi lain, model menunjukkan bahwa kebijakan LCFS memperoleh pemanfaatan organ yang optimal. Dalam studi yang berbeda, Su dan Zenios [33] menyelidiki peran pilihan pasien dalam alokasi ginjal menggunakan model penugasan stokastik sekuensial. Model ini membahas konflik antara pilihan pasien dan kesejahteraan sosial. Analisis mempertimbangkan dua skema, di mana yang pertama mengasumsikan bahwa pasien harus menerima ginjal yang ditawarkan. Solusi terbaik pertama adalah menemukan kebijakan alokasi yang memaksimalkan kesejahteraan sosial. Dengan memperkenalkan pilihan pasien, kebijakan terbaik pertama dimodifikasi untuk mencapai kebijakan terbaik kedua. Akibatnya, kondisi kompatibilitas insentif diperkenalkan, yang memaksa kebijakan alokasi dirancang sedemikian rupa untuk memastikan bahwa pasien akan menerima tawaran ginjal apa pun. Su dan Zenios [34] memperkenalkan model desain mekanisme untuk alokasi organ yang mempertimbangkan pilihan pasien. Pasien menyebutkan jenis ginjal (misalnya, kualitas) yang ingin mereka terima saat bergabung dengan daftar tunggu transplantasi ginjal (bukan pada saat penawaran ginjal donor) dan bergabung dalam antrian yang melayani jenis ginjal yang dinyatakan. Dengan begitu, model tersebut mengurangi proses pencarian yang panjang dengan mengidentifikasi pasien yang tepat yang ingin menerima ginjal donor yang diambil secara lebih efektif.

Keadilan dan kesetaraan adalah topik penting Bertsimas et al. [35] mempelajari perbedaan geografis dalam akses ke donor yang telah meninggalginjal. Mereka menggunakan pendekatan cairan untuk model antrian untuk merumuskan cara optimal bagi pasien untuk terdaftar dalam daftar tunggu beberapa pusat transplantasi. Tujuan pasien adalah untuk memaksimalkan harapan hidup sambil meminimalkan biaya kemacetan. Dengan menggabungkan hasil analitik, simulasi, dan numerik, mereka menunjukkan bahwa daftar ganda sangat mendorong kesetaraan geografis dan meningkatkan donorginjalPasokan. Memiliki lebih banyak donor mengarah ke tingkat transplantasi yang lebih tinggi dan mengurangi tingkat kematian pasien dalam daftar tunggu. Beberapa penelitian [36-38] telah mengembangkan model yang memungkinkan pasangan donor-penerima yang tidak kompatibel masih menerima ginjal donor hidup melalui pertukaran dengan pasangan donor-penerima lain yang tidak kompatibel. Sementara sebagian besar model yang ada bertujuan untuk memaksimalkan jumlah total kemungkinan pertukaran ginjal dan kesejahteraan sosial, mereka tidak mempertimbangkan komponen keadilan yang didefinisikan sebagai kepuasan donor-penerima. Lee dkk. [39] menyajikan model pemrograman stokastik dua tahap yang mempertimbangkan keadilan dalam Program Pertukaran Ginjal donor hidup. Studi ini menguji beberapa skenario untuk menyelidiki efek keadilan pada hasil pertukaran ginjal. Hasil numerik menunjukkan peningkatan hasil program pertukaran donor hidup ketika keadilan diperhitungkan dalam mencocokkan pasangan yang tidak cocok. Perhatikan bahwa beberapa penelitian yang dibahas di sini mempertimbangkan dampak keadilan dalam transplantasi ginjal hidup; namun, kami hanya fokus pada transplantasi menggunakan ginjal donor yang sudah meninggal.

Simulasi yang disajikan dalam literatur menggunakan asumsi yang kuat. Misalnya, Su dan Zenios [33] berasumsi bahwa pasien harus menerima tawaran apapunginjal, atau pada [34] pasien tidak dapat mengubah kualitas ginjal yang awalnya dipilih. Selain itu, kebanyakan simulasi biasanya fokus pada satu variabel. Misalnya, studi oleh Ruth et al. [40] berfokus pada panjang daftar tunggu. Studi mengusulkan model simulasi untuk proses alokasi organ dan menemukan bahwa di bawah kondisi alokasi organ pada tahun 1985, panjang daftar tunggu akan terus bertambah. Model simulasi yang kami sajikan dalam makalah ini memberikan gambaran yang lebih menyeluruh dengan mempertimbangkan efek keputusan pasien, penawaran dan permintaan di berbagai wilayah, efisiensi proses alokasi, dan efek yang diharapkan dari utilitas pasca-transplantasi.

binaraga cistanche

3. Deskripsi Model

Pada bagian berikut, kami membahas secara rinci komponen utama dari model simulasi dan optimasi. Model simulasi termasuk pasien (permintaan organ), donor yang sudah meninggalginjalkedatangan (pasokan organ), proses penawaran ginjal donor yang telah meninggal secara berurutan untuk menemukan ambang batas kualitas ginjal yang optimal, dan utilitas pasca transplantasi yang diharapkan untuk pasien dengan tingkat kesehatan tertentu. Kami kemudian menggunakan keluaran model simulasi sebagai koefisien dari fungsi tujuan model pengoptimalan untuk merekomendasikan kebijakan daftar ganda dan menyarankan serangkaian wilayah yang dapat dipilih pasien.

3.1. Model Simulasi

Kami mengembangkan model simulasi yang memungkinkan pasien mengidentifikasi yang optimalginjalambang batas kualitas yang memaksimalkan utilitas pasca-transplantasinya. Parameter model tergantung pada penawaran dan permintaan wilayah pasien. Kami mensimulasikanginjalstrategi penerimaan dan utilitas pasca-transplantasi yang dihasilkan sesuai dengan setiap transplantasi. Gambar 3 mengilustrasikan proses simulasi. Kami membahas komponen kunci di bagian berikut.

3.1.1. Permintaan Organ

Permintaan diwakili oleh pasien di daftar tunggu. Kami membagi pasien menjadi beberapa kelompok pasien kompetitif yang dapat menerima jenis organ donor almarhum yang sama tergantung pada golongan darah dan kriteria klinis lainnya. Kami memodelkan setiap kelompok secara terpisah. Kami akan mempertimbangkan interaksi antar kelompok (misalnya, beberapa pasien dengan golongan darah AB dapat menerima organ dari donor dengan golongan darah apa pun) dengan menyesuaikan suplai organ ke masing-masing kelompok.

Setiap kelompok pasien kompetitif dimodelkan dengan antrian yang berhubungan dengan golongan darah j dimana j {A, B, AB, O}. Pasien dapat bergabung dalam antrian yang cocok (misalnya, berdasarkan golongan darah) dengan tingkat j dan dilayani oleh donor yang kompatibel. Kompatibelginjaltiba di antrian golongan darah j dengan laju i. Misalnya, untuk antrian golongan darah A, kompatibelginjaladalah tipe A dan O. Pasien berangkat dari daftar tunggu j dengan tingkat transplantasi i ketika (1) mereka menerima ginjal yang ditawarkan, atau (2) dengan tingkat i mereka terlalu sakit untuk transplantasi atau mati di daftar tunggu . Struktur model antrian ditunjukkan pada Gambar 4.

Mengikuti penelitian di [34], pasien golongan darah j tiba sesuai dengan proses Poisson dengan tingkat kedatangan j untuk bergabung dengan daftar tunggu. Pasien bergabung dalam daftar tunggu dalam model dengan status kesehatan awal yang tidak dapat diamati h0 mewakili sisa waktu mereka dapat bertahan hidup dengan dialisis saat mereka bergabung. Kami memodelkan distribusi h0 pada populasi pasien menggunakan distribusi Weibull. Distribusi Weibull sering digunakan dalam analisis kelangsungan hidup untuk mewakili waktu-ke-failure karena mampu mengekspresikan tingkat kegagalan yang menurun, konstan, atau meningkat dari waktu ke waktu. Kesehatan untuk pasien simulasi, h0, kemudian merupakan realisasi dari variabel acak H0 Weibull(a, b), di mana a dan b masing-masing adalah parameter skala dan bentuk. Pasien keluar dari daftar tunggu jika (1) mereka menerima transplantasi atau (2) mereka meninggalkan antrian karena kesehatan yang buruk (atau kematian). Karena h0 adalah waktu pasien dapat bertahan hidup pada dialisis ketika dia bergabung dengan daftar tunggu (yaitu, indeks menunjukkan bahwa dia menunggu nol tahun sejauh ini), kesehatan sebenarnya setelah menunggu w tahun adalah hw {{1{{ 11}}}} h0 w yang artinya pasien akan meninggalkan daftar tunggu paling lambat pada saat w=h0.

3.1.2. Pasokan Organ

Setelah [34], donor almarhum yang kompatibelginjaltiba di antrian untuk golongan darah j menurut proses Poisson homogen independen dengan laju kedatangan j. OPTN didefinisikan sebagaiginjalmetrik kualitas yang disebut Indeks Profil Donor Ginjal (KDPI) yang menggabungkan sepuluh faktor donor klinis untuk menentukan peringkat ginjal menurut perkiraan kelangsungan hidup ginjal pasca transplantasi [41]. KDPI mempertimbangkan karakteristik donor sebagai berikut: usia, tinggi badan, berat badan, etnis, apakah donor meninggal karena kehilangan fungsi jantung atau kehilangan fungsi otak, stroke sebagai penyebab kematian, riwayat tekanan darah tinggi, riwayat diabetes, paparan virus hepatitis-C, kreatinin serum (ukuran fungsi ginjal). Secara konstruksi, KDPI hampir merata pada semua ginjal yang dipanen pada tahun tertentu. Mengikuti KDPI, kami memodelkan kualitas ginjal donor yang datang yang ditunjukkan dengan q0 sebagai realisasi dari variabel acak Q Unif(0, 1). Kami menggunakan 0 untuk mewakili kualitas ginjal terendah dan 1 kualitas ginjal tertinggi, yaitu, q0=1 KDPI. Ketika ginjal donor baru tersedia dalam simulasi, maka ginjal tersebut secara bersamaan ditawarkan kepada sekelompok g pasien dengan jendela waktu tertentu untuk mempertimbangkan penawaran dan membuat keputusan penerimaan/penolakan. Jika tidak seorang pun dalam kelompok pasien g dapat menerima ginjal setelah waktu yang dialokasikan, maka ginjal tersebut ditawarkan kepada kelompok pasien g berikutnya dalam daftar tunggu. Proses alokasi berlanjut sampai organ diterima oleh pasien atau dibuang (karena pencarian yang gagal atau penempatan organ). Untuk kekurangan ginjal donor saat ini, kami memiliki j < j,="" yaitu,="" ginjal="" tiba="" pada="" tingkat="" yang="" lebih="" rendah="" daripada="" pasien="" baru.="" pemindahan="" pasien="" karena="" kesehatan="" atau="" kematian="" membuat="" antrian="" pada="" ukuran="" yang="" terbatas.="" daftar="" tunggu="" yang="" lebih="" lama="" menghasilkan="" waktu="" tunggu="" yang="" lebih="" lama="" dan="" lebih="" banyak="" penurunan="" kesehatan="" bagi="" pasien.="" pada="" gilirannya,="" ini="" meningkatkan="" tingkat="" pengangkatan="" (pasien="" pergi="" tanpa="" menerima="" transplantasi).="" panjang="" antrian="" stabil="" pada="" keseimbangan="" di="" mana="" tingkat="" transplantasi="" ditambah="" tingkat="" pemindahan="" pasien="" sesuai="" dengan="" tingkat="" kedatangan="">

3.1.3. Keputusan Penerimaan/Penolakan Ginjal

Seiring waktu, sebagai proses donorginjalpenawaran berlanjut, ginjal menumpuk CIT dan kualitasnya memburuk. Kami memodelkan penurunan ini sebagai qt {{0}} f(q0, , t). Dalam persamaan ini, t mewakili akumulasi CIT dan q0 mewakili kualitas ginjal pada saat pemulihan ketika t=0. Variabel merepresentasikan faktor penurunan kualitas ginjal. Kita mensyaratkan bahwa fungsi kualitas f menurun pada dan t, yaitu, f(q0,δ,t)∂δ < 0="" dan="" f="" (q0,δ,t)="" t="">< 0.="" dalam="" model="" simulasi,="" kami="" mengukur="" waktu="" sebagai="" kelipatan="" dari="" waktu="" yang="" diizinkan="" untuk="" satu="" putaran="" penawaran.="" jika="" pasien="" memiliki="" satu="" jam="" untuk="" memutuskan,="" maka="" t="" mewakili="" akumulasi="" kota="" dalam="" jam.="" kami="" memodelkan="" ginjal="" menerima/menolak="" keputusan="" oleh="" pasien="" dan="" transplantasi="" berikutnya="" dalam="" dua="" langkah.="" pertama,="" pasien="" menggunakan="" strategi="" ambang="" batas="" untuk="" memutuskan="" apakah="" yang="">ginjalbisa diterima. Pasien akan menerima tawaran tersebut jika qt lebih besar atau sama dengan k, di mana k adalah ambang batas kualitas ginjal yang diputuskan oleh pasien dan ahli bedah. Untuk ginjal yang dapat diterima, kami mempertimbangkan beberapa faktor yang berkaitan dengan kesehatan pasien dan pusat transplantasi. Dalam model simulasi, kami menggunakan probabilitas transplantasi yang dilakukan mengingat ginjal yang dapat diterima ditawarkan sebagai

di mana p (faktor pasien) mewakili situasi medis spesifik pasien dan fakta apa pun yang dapat diputuskan oleh pasien atau ahli bedah untukginjaluntuk alasan yang tidak dijelaskan semata-mata oleh kualitas ginjal (misalnya, pasien sementara tidak aktif dalam daftar tunggu, hasil pencocokan silang yang tidak menguntungkan). Probabilitas p (faktor pusat) mewakili kesiapan pusat transplantasi (misalnya, ketersediaan staf, ruang operasi, dll.) serta pertimbangan dampak transplantasi pada evaluasi kinerja pusat. Pasien memilih ambang keputusannya k dengan berkonsultasi dengan ahli bedah. Ambang batas tersebut akan dipengaruhi oleh kesehatan pasien h0 karena pasien yang memiliki lebih banyak waktu tersisa untuk dialisis akan menunggu ginjal yang lebih berkualitas. Kami memodelkan hubungan ini dalam simulasi dengan memilih untuk setiap pasien dari variabel acak K Unif(0,1) yang berkorelasi dengan pasien0 yang diwakili oleh koefisien korelasi peringkat Spearman dari H 0, K

3.1.4. Utilitas Pasca Transplantasi Pasien

Jika pasien menerima donor yang sudah meninggalginjaltawaran dan transplantasi terjadi, pasien menerima utilitas pasca-transplantasi. Utilitas pasca transplantasi tergantung pada kualitas ginjal pada waktu transplantasi qt, dan waktu tunggu pasien w menghasilkan status kesehatan hw=h0 − w. Utilitas pasca-transplantasi dapat dipecah menjadi dua komponen:

di mana B(·) mewakili manfaat bagi pasien tergantung padaginjalkualitas, dan D(·) bertanggung jawab atas penurunan kualitas pasien dalam daftar tunggu. Memecah utilitas menjadi dua komponen ini memiliki manfaat untuk memperkirakan parameter dari data. Fungsi B(·)dapat dilihat sebagai keuntungan pasien jika dia akan menerima ginjal dengan kualitas qt tanpa menunggu. Fungsi manfaat perlu memenuhi bahwa ia meningkat dengan kesehatan pasien h{{0}} dan kualitas ginjal, yaitu, B(∂hh00, qt) > 0 dan B(∂hq0t, qt) > 0. D(·) merupakan biaya dalam bentuk faktor deteriorasi karena menunggu w untuk ginjal. Fungsi biaya perlu meningkat seiring waktu tunggu meningkat dan menurun dengan kesehatan pasien., yaitu Cara umum untuk mendefinisikan fungsi seperti B(·) adalah dalam bentuk regresi logistik untuk kelangsungan hidup yang diusulkan oleh Cox [42] yang memodelkan peluang bersyarat dari mati pada titik waktu tertentu mengingat kelangsungan hidup sampai saat itu untuk

di mana m(h{{0}}) menunjukkan hasil transplantasi untuk pasien dengan tingkat kesehatan h0 yang menerima ginjal sempurna (qt=1) segera (w {{3 }}). Secara alami, m(h0) meningkat dengan kesehatan pasien h0. Kami menggunakan untuk D(·) fungsi dari

di mana mengontrol tingkat kerusakan. Faktor deteriorasi sama dengan satu (yaitu, tidak ada deteriorasi) ketika waktu tunggu adalah nol (w {{0}}). Jika pasien menunggu ginjal berkualitas sangat tinggi dan kehabisan waktu (yaitu, w=h0), maka faktor deteriorasi menjadi nol. Bentuk fungsional yang dipilih sangat fleksibel dan dapat mengekspresikan deteriorasi linier ( {{ 4}}), memperlambat deteriorasi ( > 1), dan meningkatkan deteriorasi ( < 1).="" dengan="" memperkirakan="" parameter="" dari="" data="" dan="" menggunakan="" optimasi="" simulasi,="" kita="" dapat="" menemukan="" untuk="" setiap="" pasien="" yang="">ginjalambang batas kualitas k∗yang memaksimalkan utilitas pasca-transplantasi.

3.2. Pemilihan Wilayah dan Model Optimalisasi Beberapa Daftar

Seorang pasien dapat meningkatkan peluangnya untuk menerima transplantasi dengan pindah ke wilayah yang berbeda (pemilihan wilayah) atau dengan mendaftar di pusat transplantasi di beberapa wilayah. Untuk membantu pasien mengidentifikasi satu set wilayah untuk pendaftaran ganda, kami menggunakan model simulasi untuk menghitung parameter kebijakan ambang batas optimal k∗ dan utilitas maksimum yang diharapkan yang mungkin diperoleh pasien dari transplantasi di setiap wilayah. Ini diwakili oleh 11nilai utilitas Ui(k∗i , h0, w), i 1, 2, . . . , 11. Untuk mempermudah, kami menulis Ui(k∗i ) untuk mewakili utilitas yang diharapkan pasca-transplantasi untuk pasien dengan h0 dan w yang diberikan. Pemilihan wilayah kini dilakukan dengan memilih wilayah dengan utilitas terbesar.

Untuk beberapa daftar, kami mewakili tindakan mendaftar di wilayah i dengan variabel keputusan biner

Pasien memiliki 11 variabel keputusan, satu untuk setiap wilayah. Kami berasumsi bahwa pasien akan ingin meningkatkan peluangnya dengan mendaftar di wilayah terbaik dengan utilitas yang diharapkan tertinggi dengan serangkaian kendala. Hal ini dapat dirumuskan sebagai masalah optimasi berikut.

Menjumlahkan utilitas wilayah memastikan bahwa wilayah dengan utilitas terbesar disertakan dalam solusi. Kendala pertama memastikan bahwa solusi memenuhi total anggaran C pasien yang diberikan. Batasan kedua mempertimbangkan jarak maksimum yang dapat ditempuh pasien untuk sampai ke pusat transplantasi tepat waktu. Kendala ketiga mempertimbangkan harapan pasien tentang kinerja daerah P, dan akhirnya, kendala terakhir membatasi rito menjadi 0 atau 1. Karena jumlah daerah kecil, dengan hanya 11, masalah ini dapat diselesaikan dengan enumerasi.

4. Aplikasi dan Hasil Numerik

Kami memulai bagian ini dengan memperkirakan parameter yang diperlukan untuk model simulasi dan kemudian menyajikan bagaimana model dapat digunakan untuk dua aplikasi. Aplikasi pertama menggambarkan bagaimana model dapat memberikan pedoman strategis untuk mendukung pilihan pasien untuk pindah ke wilayah yang berbeda atau mendaftar di beberapa wilayah.

Aplikasi kedua menganalisis manfaat potensial dari penggunaan teknologi berbagi informasi modern (misalnya, melalui aplikasi smartphone) untuk meningkatkan kesejahteraan sosial melalui peningkatan utilitas pasca-transplantasi pasien danginjaltingkat pemanfaatan.

binaraga cistanche

4.1. Estimasi Parameter

Kami menggunakan data dari UNOS dan SRTR untuk memperkirakan parameter model. Kami mengekstrak data UNOS untuk tahun 2019 untuk memperkirakan penambahan daftar tunggu dan donorginjalPasokan. Untuk perhitungan waktu tunggu, kami menggunakan nilai yang dilaporkan oleh SRTR. Sistem data SRTR berisi data medis dan demografis terperinci untuk semua donor, pasien dalam daftar tunggu, dan penerima transplantasi di AS. Kumpulan data yang digunakan terdiri dari lebih dari 400,000 pasien yang pertama kali menerima transplantasi ginjal donor yang telah meninggal antara Oktober 1987 dan akhir 2019.

Laporan tahunan oleh SRTR dan UNOS memberikan informasi tentang kedatangan organ dan aktivitas daftar tunggu (misalnya, statistik penambahan dan pemindahan pasien). Kami menggunakan data ini untuk memperkirakan j dan jin untuk setiap periode.

Faktor penting untuk memperkirakan tingkat kedatangan ginjal ke antrian golongan darah j adalah kompatibilitas golongan darah antara pasien dan donor. Menurut kriteria kompatibilitas golongan darah, donor dengan golongan darah O adalah donor universal yang organ ginjalnya dapat ditawarkan kepada pasien dari semua golongan darah. Di sisi lain, pendonor bergolongan darah AB dapat mendonorkan ginjalnya hanya kepada pasien bergolongan darah AB sedangkan mereka adalah resipien universal dari semua golongan darah. Tabel 4 menunjukkan kompatibilitas golongan darah untuk transplantasi ginjal secara rinci. Makalah ini hanya melaporkan hasil untuk golongan darah A. Hasil untuk golongan darah lain dapat diperoleh dengan cara yang sama. Tabel 5 menunjukkan donor dan kedatangan pasien untuk golongan darah A.

Berdasarkan data SRTR, pasien bergolongan darah A rata-rata menerima masing-masing 94 persen dan 6 persen organ dari pendonor golongan darah A dan O, yang tercermin dariginjalparameter suplai j pada Tabel 5. Mengikuti skema penawaran saat ini yang digunakan oleh OPTN di AS, kami menggunakan ukuran kelompok pasien g=5 dalam model simulasi kami. Kami menetapkan tingkat degradasi ginjal hingga 5 persen menurut laporan bahwa organ jarang digunakan setelah CIT 48 jam [6]. Pada=0.05, kualitas ginjal menurun menjadi (1 0.05) {{10}}.5 persen dari kualitas awalnya setelah 48 jam. Berdasarkan diskusi dengan kolaborator medis, kami menggunakan probabilitas transplantasi p(transplantasi)=0.8 untuk semua wilayah. Probabilitas untuk setiap wilayah juga dapat diperkirakan dari data, tetapi informasi tentang penolakan penawaran ginjal saat ini tidak tersedia bagi kami. Parameter , , dan untuk fungsi manfaat B(h0, qt) dan faktor biaya C(h{{30}}, w) dapat diestimasi jika data hasil termasuk pos kelangsungan hidup -transplantasi tersedia. Namun, karena kumpulan data kami tidak menyertakan data ini, kami menggunakan=0.4,=8 dan=0.5 dalam simulasi kami. Kami menambahkan pasien ke daftar tunggu dengan h0 kesehatan yang diambil dari variabel acak H0 dengan distribusi Weibull. Kami menggunakan parameter skala a=8 dan parameter bentuk b=2 untuk mendapatkan kesehatan rata-rata mendekati 7 tahun dan sekitar 90 persen populasi di bawah 12 tahun. Kami menggunakan korelasi peringkat Spearman (H0, K) sebesar 0,2, dekat dengan korelasi antara kualitas ginjal yang diterima dan kesehatan pasien yang diamati dalam data.

4.2. Pemilihan Wilayah dan Beberapa Daftar

Untuk mengilustrasikan pendekatan pemilihan wilayah, kami melaporkan hasil untuk pasien target dengan golongan darah A, satu tahun hidup dengan dialisis (h0=1) yang saat ini berada di posisi 100 dari daftar tunggu. Kami memenuhi daftar tunggu dengan pasien yang dibuat secara acak (yang kesehatannya diambil dari distribusi Weibull dengan ambang kebijakan yang berkorelasi). Kami melakukan simulasi yang sama100 kali masing-masing untuk nilai ambang keputusan k {0, 0.1, 0.2, · · ·, 0.9} dan rata-rata hasil 100 run untuk memperkirakan utilitas yang diharapkan untuk setiap ambang batas.

Tabel 6 melaporkan hasil untuk ambang batas optimal, k∗i , menghasilkan utilitas pasca-transplantasi terbesar yang diharapkan, Ui(k∗i ), untuk setiap wilayah. Ituginjaltingkat kedatangan ke antrian (pasien dengan golongan darah A daftar tunggu) per tahun adalah A dan qt adalah rata-rata kualitas ginjal yang ditransplantasikan. Misalnya, jika pasien target terdaftar di wilayah 6, ambang batas k=0.65 adalah optimal, yang mengarah ke utilitas 9,6 tahun. Sebaliknya, jika dia terdaftar di wilayah 2, keputusan optimal bisa setinggi 0,85 dengan utilitas 13,22 tahun.

Tabel 7 mewakili data perkiraan yang kami gunakan dalam model pengoptimalan kami untuk menemukan satu set wilayah yang layak untuk pasien golongan darah A yang diasumsikan saat ini tinggal dan terdaftar di wilayah 6. Kami menggunakan kumpulan data UNOS untuk memperkirakan waktu tunggu yang diharapkan dan { {2}}tingkat kelangsungan hidup tahun untuk pasien tersebut di 11 wilayah. Di setiap wilayah, kami memilih kota besar dan memperkirakan biaya hidup bulanan yang sesuai dengan menggunakan indeks biaya hidup kota. Biaya evaluasi didefinisikan sebagai produk dari jumlah total evaluasi yang diharapkan sampaiginjaltransplantasi dan biaya per evaluasi. Jumlah evaluasi yang diharapkan diperkirakan berdasarkan kebijakan evaluasi ulang 6-bulan yang diamanatkan oleh sebagian besar pusat transplantasi. Secara umum, pasien bertanggung jawab untuk membayar biaya evaluasi berkala jika dia ingin mendaftar di lebih dari satu wilayah karena sebagian besar polis asuransi menanggung biaya evaluasi berkala hanya untuk satu pendaftaran. Total biaya dihitung sebagai berikut: jumlah total uang yang harus dibayar pasien (jumlah evaluasi kali biaya evaluasi) ditambah biaya perjalanan ke dan tinggal di wilayah lain selama tiga hari.

Sebagai contoh, di sini kita asumsikan pasien memiliki anggaran sebesar C=$15,000. Dia juga dapat melakukan perjalanan sejauh D=1500 mil, dan harapan minimumnya dari kinerja suatu wilayah adalah 75 persen dari kelangsungan hidup lima tahun. Berniat untuk memaksimalkan hasil pasca-transplantasinya di bawah tiga kendala ini, model kami menemukan bahwa selain wilayah asal 6, pasien juga dapat terdaftar di wilayah 5, 4, atau 8, dengan wilayah 5 menyediakan utilitas tertinggi yang diharapkan. OPTN berkomitmen untuk memberikan kesetaraan dalam akses transplantasi dan mengurangi kesenjangan geografis [16]. Di bawah daftar ganda gratis, pasien memiliki insentif untuk mendaftar di sebanyak mungkin wilayah, mengingat keterbatasan anggaran mereka. Ini berarti bahwa akses ke transplantasi dipengaruhi oleh sumber keuangan pasien, yang dapat menimbulkan masalah dalam hal kesetaraan dan keadilan. Namun, dalam jangka panjang, pemilihan wilayah gratis dan beberapa daftar dapat mengurangi disparitas geografis. Lebih banyak pasien akan mendaftar di wilayah yang saat ini menawarkan utilitas yang lebih tinggi, meratakan disparitas permintaan, dan mengurangi kesenjangan utilitas. Pada saat itu, keuntungan memiliki lebih banyak anggaran untuk mendaftar di beberapa daerah akan berkurang, yang mengarah ke situasi yang lebih adil. Dalam jangka pendek, kesetaraan perlu dipastikan sementara dengan kebijakan yang tepat untuk membuat beberapa daftar tersedia untuk lebih banyak pasien.

4.3. Pengaruh Berbagi Informasi pada Efisiensi Alokasi

Salah satu inisiatif dalam Rencana Strategis OPTN (2018–2021) [16] di bawah tujuan peningkatan jumlah transplantasi adalah untuk mengejar alat sistem untuk pencocokan donor/penerima yang lebih efisien. Alat tersebut termasuk alat untuk berbagi informasi, yang berarti pusat transplantasi dan pasien berbagi informasi terkini dengan OPTN, yang berpotensi mempercepatginjalproses alokasi dan dengan demikian mengurangi waktu iskemia dingin (CIT) dan tingkat pembuangan ginjal.

Informasi yang dapat dibagikan meliputi:

1. Ambang penerimaan pasien k: Setiap pasien melaporkannyaginjalambang batas penerimaan kualitas k diputuskan oleh dirinya sendiri dan dokternya.

2. Setiap kriteria keputusan tambahan yang digunakan oleh pasien: Keputusan pasien dan ahli bedah dapat dipengaruhi oleh informasi yang tidak termasuk dalamginjalpenilaian mutu (KDPI). Memiliki parameter kualitas yang lebih standar, di mana pasien dapat menentukan apa yang dia terima, akan meningkatginjalalokasi. Dengan informasi yang lengkap, OPTN dapat langsung mengidentifikasi pasien yang akan menerima ginjal dan menyimpan CIT yang berharga.

3. Ketersediaan pasien saat ini: Indikasi terkini tentang apakah pasien saat ini dapat menerima transplantasi. Faktor termasuk kesehatan saat ini dan bepergian.

4. Ketersediaan pusat transplantasi: Mempertimbangkan ketersediaan pusat transplantasi, ada fasilitas seperti ruang operasi yang disiapkan, ahli bedah, perawat, dan staf untuk melakukan operasi tepat waktu.

Di bawah informasi yang sempurna, OPTN akan memiliki akses ke informasi terkini tentang ambang penerimaan semua pasien k, persyaratan tambahan untuk organ, dan jika pasien dan pusat tersedia. Oleh karena itu, OPTN dapat secara langsung mengidentifikasi pasien pertama dalam daftar tunggu yang akan menerima dan menerima transplantasi. Ini secara efektif akan mengurangi CIT, yaitu, t, ke minimum yang dibutuhkan untuk mengekstrak organ dan melakukan transplantasi. Dalam model simulasi, informasi sempurna dapat diekspresikan dengan mengatur g ke panjang daftar tunggu, yang menunjukkan bahwa seluruh daftar tunggu dicari untuk pasien yang cocok secara instan. Asumsi informasi yang sempurna tidak realistis karena berbagai alasan. Misalnya, masalah teknis dapat memengaruhi ketersediaan informasi dan pasien atau pusat kesehatan mungkin tidak selalu memperbarui semua informasi. Pengaturan yang lebih realistis ditingkatkan tetapi masih belum sempurna berbagi informasi. Lebih banyak informasi berarti bahwa pasien dapat diidentifikasi lebih cepat menggunakan informasi yang dibagikan. Kami mengungkapkan fakta ini dalam model simulasi dengan peningkatan jumlah pasien yang dapat dicari per jam (yaitu, peningkatan g).

Untuk mengilustrasikan efek peningkatan berbagi informasi, kami melaporkan hasil untuk pasien golongan darah A di wilayah 6. Kami menginisialisasi daftar tunggu dengan 1000 pasien dan menjalankan simulasi hingga panjang daftar tunggu stabil sekitar 1800 pasien (200 bulan). Kami melaporkan hasil setelah periode pemanasan ini rata-rata selama 300 bulan. Garis dasar adalah ukuran grup g=5 yang saat ini digunakan. Kami memvariasikan g untuk mewakili berbagai tingkat berbagi informasi.

Tabel 8 menunjukkan dampak berbagi informasi yang diungkapkan oleh berapa banyak pasien dalam daftar tunggu yang dapat dipertimbangkan secara efektif per jam. Pada ukuran kelompok dasar lima, kualitas rata-rata ginjal yang diterima adalah 0,66, yang mengarah ke utilitas rata-rata 10,76 tahun per pasien transplantasi. Ginjal dapat melakukan perjalanan sejauh 45 pasien di daftar tunggu dan diterima rata-rata oleh pasien keenam. Tabel 9 menyajikan tingkat kematian pemanfaatan ginjal dan daftar tunggu, selain tingkat transplantasi. Tingkat pemanfaatan ginjal meningkat secara signifikan sebagai g meningkat.

Seperti yang ditunjukkan Gambar 5, peningkatan dalamginjaltingkat transplantasi adalah 17 persen untuk menggandakan kecepatan proses penawaran g=10, dan mencapai 47 persen ketika informasi yang sempurna tersedia. Di sisi lain, angka kematian daftar tunggu menurun sebesar 7 persen saat g=10, dan penurunannya bisa mencapai 21 persen . Simulasi menggambarkan efek efisiensi yang dapat dibawa oleh berbagi informasi ke proses alokasi.

Berbagi informasi dapat diimplementasikan dalam banyak cara, menggunakan teknologi saat ini. Contohnya termasuk menggunakan aplikasi dan perangkat medis yang dapat dikenakan untuk melacak ketersediaan pasien secara real-time. Antarmuka standar antara sistem informasi pusat transplantasi dan OPTN dapat digunakan untuk mengelola ketersediaan pusat. Meluncurkan teknologi ini akan memakan waktu, tetapi hasil yang disajikan dalam studi simulasi ini menunjukkan bahwa potensi hasil yang signifikan dengan potensi untuk mengurangiginjalmembuang tarif seminimal mungkin.

5. Penutup

Kontribusi pertama penelitian ini adalah mengembangkan model simulasi yang menyediakan donor almarhum yang optimalginjalpedoman penerimaan bagi pengambil keputusan (pasien dan ahli bedah). Tantangan utama dari pemodelan penerimaan/penolakan organ adalah menggabungkan kondisi dan situasi dunia nyata untuk membuat keputusan penting yang menyelamatkan jiwa. Untuk alasan ini, tujuan utama kami sebagai hal baru utama dari pekerjaan ini adalah untuk mengenali, menggabungkan, dan menerapkan elemen penting yang berbeda yang berkontribusi pada kriteria seleksi ginjal. Model yang diusulkan memungkinkan keragaman dalam kesehatan pasien danginjalkualitas, serta korelasinya. Selain itu, kami memasukkan penurunan kualitas ginjal yang disebabkan oleh akumulasi CIT seiring dengan berjalannya proses alokasi. Selain semua elemen yang disebutkan di atas, kami juga menggabungkan kesehatan dan ketersediaan pasien bersama dengan sumber daya manusia dan fasilitas untuk mengusulkan solusi transplantasi yang optimal.

Model yang diusulkan dapat digunakan untuk menyelidiki bagaimana pilihan kebijakan yang berbeda dapat mempengaruhi tujuan strategis yang dinyatakan oleh OTPN [16]. Kami mengilustrasikan ini dengan dua aplikasi. Pertama, kami menunjukkan bagaimana model dapat diterapkan untuk menginformasikan keputusan pasien mengenai beberapa pendaftaran yang diberikan kendala biaya, jarak, dan kualitas perawatan. Sementara beberapa daftar dalam jangka pendek dapat menimbulkan tantangan untuk kesetaraan antara pasien berdasarkan sumber daya keuangan, memiliki potensi untuk meratakan kesenjangan geografis dalam akses ke transplantasi dan dengan demikian meningkatkan kesetaraan.

Ilustrasi kedua menarik perhatian pada aspek kesejahteraan sosial dariginjaltransplantasi daripada berfokus pada menemukan solusi optimal seperti yang dipertimbangkan dalam aplikasi pertama. Kami membandingkan hasil kesejahteraan sosial (yaitu, pemanfaatan ginjal donor dan utilitas pasca-transplantasi di seluruh sistem) untuk beberapa tingkat informasi yang tersedia, mulai dari tidak ada informasi hingga informasi yang sempurna. Peningkatan informasi menyebabkan penugasan ginjal lebih cepat dan tingkat pembuangan ginjal berkurang. Meningkatkan tingkat transplantasi meningkatkan utilitas kesejahteraan sosial dan mengurangi lamanyaginjaldaftar tunggu transplantasi, waktu, dan tingkat kematian. Pembuat kebijakan dapat menggunakan hasil ini untuk memotivasi nilai teknologi informasi modern untuk mengumpulkan informasi yang dibutuhkan dan menunjukkan pentingnya merancang struktur insentif yang mendorong pembagian informasi yang tepat waktu oleh pasien dan pusat kesehatan. Misalnya, merancang aplikasi transplantasi organ untuk perangkat smartphone dapat memberikan cara yang aman, mudah, dan cepat untuk mengirimkan dan memperbarui informasi yang diperlukan secara tepat waktu. Pembuat kebijakan mungkin ingin menetapkan aturan dasar yang harus diikuti oleh semua pasien dan pusat transplantasi untuk menerima penawaran. Misalnya, dengan menggunakan teknologi dan layanan aplikasi wajib, pusat transplantasi dapat merevisi atau memverifikasi data yang mereka kirimkan secara teratur (misalnya, setiap hari) setelah posisi pasien dalam daftar tunggu melewati ambang batas tertentu. Model yang diusulkan sederhana dan cukup fleksibel agar mudah diadaptasi untuk menyelidiki banyak aspek lain dari proses penugasan ginjal.

Author Cpadatributipadas:Para penulis berkontribusi sama untuk pekerjaan ini. Semua penulis telah membaca dan menyetujui versi naskah yang diterbitkan

Danaing:Penelitian ini tidak menerima dana dari luar.

Institutipadaal Rsetiapiew Board Statement:Tak dapat diterapkan.

Informed Consent Statement:Tak dapat diterapkan.

Data Avaakuability Statement:Kumpulan data yang digunakan dalam analisis ini dapat diperoleh melalui UNOS.

Conflicts of Interest:Para penulis menyatakan tidak ada konflik kepentingan.

binaraga cistanche

References

1. Universitas California San Francisco. ItuGinjalProyek—Membuat BioartificialGinjalsebagai Solusi Permanen untuk Gagal Ginjal. Tersedia online: (diakses pada 4 April 2020).

2. NasionalGinjalDasar. Statistik Donasi Organ dan Transplantasi. 2016. Tersedia online: (diakses pada 16 April 2020).

3. Wilayah UNOS: Sumber Daya Regional Transplantasi Organ. Tersedia online: (diakses pada 20 Maret 2020).

4. OPTN. Kebijakan Efektif per 6 Desember 2020 [Ex Comm 9.9.A.]. Tersedia online: (diakses pada 2 Januari 2021).

5. Wey, A.; Salkowski, N.; Kasiske, BL; Israni, AK; Snyder, JJ Pengaruh dariginjalmenawarkan perilaku penerimaan pada metrik efisiensi alokasi. klinik Transplantasi. 2017, 31, e13057.

6. Koizumi, N.; DasGupta, D.; Patel, AV; Smith, TE; Mayer, JD; Penelepon, C.; Melancon, JK Variasi Geografis dalam Waktu Iskemia Dingin:GinjalVersus Transplantasi Hati di Amerika Serikat, 2003 hingga 2011. Transplantasi. Langsung2015, 1, e27.

7. Howard, DH Mengapa ahli bedah transplantasi menolak organ?: Model keputusan menerima/menolak. J. Ekonomi Kesehatan. 2002, 21, 957–969.

8. Lawson, C.; Johnson, D.; Clapper, D.; Fowler, K.; Kapur, S. PenurunanGinjalBuang Tarif. Berita Ginjal. 2017. Tersedia online: (diakses pada 22 Februari 2020).

9. Zhang, J. Suara keheningan: Pembelajaran observasional di ASginjalpasar. Tanda. Sci. 2010, 29, 315–335.

10. Schold, JD; Buccini, L.; Srinivas, T.; Srinivas, R.; Poggio, E.; Flechner, S.; Soria, C.; Segev, D.; Fung, J.; Goldfarb, D. Asosiasi evaluasi kinerja pusat danginjalvolume transplantasi di Amerika Serikat. Saya. J. Transplantasi. 2013, 13, 67–75.

11. Schold, J.; Buccini, L.; Poggio, E.; Flechner, S.; Goldfarb, D. Asosiasi Penghapusan Kandidat DariGinjalDaftar Tunggu Transplantasi dan Pengawasan Kinerja Pusat. Saya. J. Transplantasi. Mati. Selai. Soc. Transplantasi. Saya. Soc. terjemahan Surg. 2016, 16, 1276–1284.

12. Bae, S.; Massi, AB; Luo, X.; Anjum, S.; Desai, NM; Segev, DL Perubahan tingkat pembuangan setelah pengenalan Indeks Profil Donor Ginjal (KDPI). Saya. J. Transplantasi. 2016, 16, 2202–2207.

13. Schold, JD; Buccini, LD; Goldfarb, DA; Flechner, SM; Poggio, ED; Sehgal, Asosiasi AR antaraginjalkinerja pusat transplantasi dan manfaat kelangsungan hidup transplantasi versus dialisis. klinik Selai. Soc. Nefrol. 2014, 9, 1773–1780.

14. Haller, MC; Kainz, A.; Baer, ​​H.; Oberbauer, R. Dialisis vintage dan hasil setelahnyaginjaltransplantasi: Sebuah studi kohort retrospektif. klinik Selai. Soc. Nefrol. 2016, 12, 122-130.

15. UNOS. Berbicara tentang Transplantasi—Pertanyaan yang Sering Diajukan tentang Multiple Listing dan Transfer Waktu Tunggu. 2017. Tersedia online: (diakses pada 13 Juni 2020).

16. OPTN. Renstra OPTN/UNOS 2018–2021. Tersedia online: (diakses pada 12 April 2020).

17. Chakkera, HA; Chertow, GM; O'Hare, AM; Ubah, WJ; Gonwa, TA Variasi regional diginjalhasil transplantasi: Tren dari waktu ke waktu. klinik Selai. Soc. Nefrol. 2009, 4, 152–159.

18. Ardekani, MS; Orlowski, JM Beberapa listing diginjaltransplantasi. Saya. J.GinjalDis. 2010, 55, 717–725.

19. UNOS. Beberapa Daftar. Tersedia online:(diakses pada 1 Desember 2018).

20. Gharibi, Z.; Ayvaci, MU; Hasler, M.; Giacoma, T.; Gaston, RS; Tanriover, B. Efektivitas biaya terapi induksi berbasis antibodi pada donor yang telah meninggalginjaltransplantasi di Amerika Serikat. Transplantasi 2017, 101, 1234.