《Transplantation Reviews》:Kidney donor profile index (KDPI) score and long-term deceased donor kidney transplant outcomes: A systematic review and meta-analysis of cohort studies
编辑推荐:
•较高的KDPI与较差的长期死亡删失移植物结果相关。•KDPI每增加10分,移植物失败的风险比为1.19。•KDPI单独在外部验证队列中显示出有限的区分能力。•KDPI >85%的阈值估计不够精确且具有探索性。•对KDPI进行本地验证和定期重新校准仍然很重要。引言已故供者肾脏
- •
较高的KDPI与较差的长期死亡删失移植物结果相关。
- •
KDPI每增加10分,移植物失败的风险比为1.19。
- •
KDPI单独在外部验证队列中显示出有限的区分能力。
- •
KDPI >85%的阈值估计不够精确且具有探索性。
- •
对KDPI进行本地验证和定期重新校准仍然很重要。
引言
已故供者肾脏移植为终末期肾病患者提供了最高的生存率和生活质量,在所有年龄组中死亡率均低于透析[1]、[2]、[3]、[4]。慢性器官短缺促使人们努力最大化已故供者供给的使用,但美国每年的丢弃率高达24.6%,其中KDPI >85%的肾脏尤为突出[5]、[6]、[7]。供者质量历史上被二分为标准供体或扩大标准供体,无法充分反映器官质量的连续谱[8]、[9]。2014年,OPTN引入了肾脏供体档案指数(KDPI),这是从肾脏供体风险指数(KDRI)计算的连续指标[9]、[10]。
KDPI以百分比(0–100%)计算,表示与参考人群中所有供者相比,移植物失败的相对风险百分比[11]。估计的移植物存活天数越多,KDPI评分越低。KDRI基于在器官获取前测量的10个供者变量,然后转换为KDPI百分位,包括供者年龄、体重、身高、肌酐、种族、高血压、糖尿病、死亡原因、丙型肝炎阳性供者和循环死亡后捐献[9]、[12]。KDPI >85%的肾脏被归类为"高风险"或"边缘性",并列入"短名单"以供考虑。
尽管KDPI在临床上被广泛使用,但目前尚无任何系统综述或荟萃分析评估全球队列证据中与KDPI和长期移植物结果之间的联系。已有的研究发现基于C统计量的区分能力不同,范围从0.54到0.69[13]、[14]、[15]。几项欧洲验证研究显示KDPI的区分能力有限,C统计量为0.54–0.62[13]、[14]。此外,由于供者池每年都在变化,KDPI的校准每年都会发生变化,这种现象被称为"校准漂移"。由于这一方法论的考虑,以及供者池的地理差异和KDPI公式的近期修订,需要对证据进行彻底审查。
本系统综述和荟萃分析的目标是估计KDPI(连续变量)和分类KDPI(>85%与≤85%)与≥3年的死亡删失移植物存活之间的关系。该综述还旨在测量KDPI与≥3年的全因移植物失败之间的关系,并评估KDPI预测长期移植物失败的区分能力(合并C统计量/AUC-ROC)。此外,该综述寻求调查预测性能是否因地理设置(美国或非美国)、随访时间长短、KDPI-10与KDPI-8公式的性能差异而有所不同,并在亚组分析中探索研究间异质性的来源。
章节摘要
方案与注册
本系统综述和荟萃分析遵循了系统评价和荟萃分析优先报告条目(PRISMA)2020声明和流行病学观察性研究荟萃分析(MOOSE)指南[16]、[17]。一项方案已在PROSPERO前瞻性注册(CRD420261422252)。
纳入标准
我们纳入了前瞻性或回顾性队列和登记研究,研究对象为至少100名接受已故供者肾脏移植的成年人。研究必须评估美国KDPI或
研究选择与特征
原始检索识别出923条记录,其中504条因重复被移除,419条经过筛选。37份报告在原始工作流程中进行了全文评估。13篇出版物纳入了长期已故供者KDPI综述,24篇被排除(图1)。
纳入了13篇出版物,发表于2014年至2026年,代表欧洲、亚洲、南美洲、芬兰和美国登记设置。设计为回顾性队列或登记分析
讨论
本综述综合了关于KDPI和已故供者肾脏移植物结果的现有长期队列证据。重新分类后,纳入了13篇出版物,5项研究(2902名受体)向主要荟萃分析贡献了可比的校正估计值。KDPI每增加10分与死亡删失移植物失败率增加19%相关(HR 1.19,95% CI 1.08–1.31;I2 = 43.8%),但95%预测区间(0.97–1.46)包含无效值,表明
结论
本综述表明,在已故供者肾脏移植后,较高的KDPI与较差的长期死亡删失移植物结果相关,尽管其幅度在不同设置中并不一致。在5项研究(2902名受体)中,KDPI每增加10分与死亡删失移植物失败率增加19%相关(HR 1.19,95% CI 1.08–1.31),而预测区间(0.97–1.46)包含无关联;将研究限制在有记录的长期随访的研究中得出
资助
本研究未获得任何公共、商业或非营利部门的特定资助机构的资助。
生成式AI和AI辅助技术在手稿准备过程中的声明
在本手稿提交准备过程中,使用了ChatGPT(OpenAI)进行语言和格式协助。作者负责审阅和验证手稿内容,并对提交的工作承担全部责任。
作者贡献
概念化和研究设计:Ahmad Raza、Bilal Mohsin。文献检索和筛选:Abdullah AlDuaij、Mohammad Almutairi、Omar Alruwaili。数据提取:Azher Juma Bati Albusaidi、Maha Dwaidari、Talal Abdulkhaleq。偏倚风险和确定性评估:Ruaa Majed M Sumail、Samar M. Altoukhi。统计分析:Sali Mohammad、Durar Alqallaf。手稿撰写:Ahmad Raza。对重要知识内容进行批判性修订:Lina Fouad Serhan、Bilal Mohsin。所有作者
利益冲突声明
作者声明,他们没有任何已知的竞争性经济利益或个人关系可能会影响本文所报告的工作。
Ahmad Raza|Abdullah AlDuaij|Mohammad Almutairi|Omar Alruwaili|Azher Juma Bati Albusaidi|Maha Dwaidari|Talal Abdulkhaleq|Ruaa Majed M. Sumail|Samar M. Altoukhi|Sali Mohammad|Durar Alqallaf|Lina Fouad Serhan|Bilal Mohsin