Prædiktionsmodeller for LDLT-udfald (PREDICTLDLT)
En klinisk anvendelig prognosemodel for resultater af levedonor-levertransplantation ved brug af den internationale LDLT-registreringsdatabase
Baggrund:
Levetransplantation fra levende donor (LDLT) er blevet et vigtigt alternativ for patienter med terminal leversygdom. For at muliggøre internationale og meningsfulde sammenligninger deltager vores institution i det Internationale LDLT-register. Flere modeller til at forudsige resultater efter LDLT er blevet udviklet for at rådgive og retfærdiggøre den store operation, som de levende leverdonorer gennemgår. De fleste af de foreslåede modeller har dog en høj risiko for bias og viser suboptimal diskriminations-evne.
Denne undersøgelse har til formål eksternt at validere de mest lovende forudsigelsesmodeller og efterfølgende udvikle en ny, klinisk anvendelig forudsigelsesmodel for LDLT-resultater ved hjælp af det Internationale LDLT-register.
Formål:
Hovedformålet med denne undersøgelse er at udvikle en ny, klinisk anvendelig forudsigelsesmodel for LDLT-resultater ved hjælp af det Internationale LDLT-register.
Det sekundære formål er eksternt at validere de mest lovende eksisterende forudsigelsesmodeller for LDLT-resultater ved hjælp af det Internationale LDLT-register.
Undersøgelsestype:
Dette er en observationsbaseret, multicenter kohortestudie, der anvender prospektivt indsamlede data fra det Internationale LDLT-register. Registerdata vil blive analyseret retrospektivt med henblik på ekstern modelvalidering og udvikling af forudsigelsesmodel.
Undersøgelsespopulation:
Undersøgelsespopulationen består af levende leverdonorer og deres tilsvarende modtagere registreret i det Internationale LDLT-register.
Metoder:
For ekstern validering vil parametre blive indtastet i de eksisterende forudsigelsesmodeller, hvilket resulterer i de forudsagte risici. Modeldiskrimination vil blive målt ved hjælp af arealet under kurven (AUC) og ved diskriminationsskråningen. DeLong-testen vil blive brugt til at teste for forskel mellem AUC for de forskellige forudsigelsesmodeller. Kalibrering vil blive evalueret ved at sammenligne observeret med forudsagt hyppighed af hændelser og grafisk repræsenteret ved kalibreringsplot.
For udviklingen af en ny forudsigelsesmodel er det primære udfald tidligt graft-svigt, defineret som graft-tab inden for 90 dage efter transplantation. En multivariabel logistisk regressionsmodel vil blive udviklet for at estimere den individuelle risiko for tidligt graft-svigt. Intern validering vil blive udført ved hjælp af bootstrapping, og modelpræstation vil blive vurderet med hensyn til diskrimination og kalibrering. Modelpræstation vil også blive testet i undergrupper.
Studieoversigt
Status
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
Forskningsspørgsmål:
- Kan en ny præoperativ forudsigelsesmodel baseret på donor- og modtagerrelaterede variable udvikles ved hjælp af det Internationale LDLT-register for pålideligt at forudsige LDLT-resultater?
- Hvordan klarer de mest lovende eksisterende forudsigelsesmodeller for LDLT-resultater sig, når de eksternt valideres i det Internationale LDLT-register?
Stikprøvestørrelsesberegning:
Stikprøvestørrelse til udvikling af forudsigelsesmodel blev estimeret ved hjælp af en hændelser-pr.-parameter (EPP/EPV)-tilgang. Baseret på tidligere forskning blev den forventede hændelsesrate for tidligt graft-svigt sat til 17,5%. Vi foruddefinerede 20 modelparametre (inklusive dummyvariable for kategoriske prædiktorer og eventuelle interaktionstermer) og sigtede efter 15 hændelser pr. parameter for at reducere overfitting. Dette giver et minimum på 300 hændelser, hvilket svarer til en samlet stikprøvestørrelse på cirka 1.715 patienter.
Statistisk analyse:
Statistiske analyser vil blive udført ved hjælp af RStudio 2024.09.1, GraphPad Prism 10.6.1 og Microsoft Excel version 16.90.2. P <0,05 indikerer statistisk signifikans.
Normalitet vil blive testet ved hjælp af Shapiro-Wilk-testen. Baselinekarakteristika vil blive opdelt baseret på tilstedeværelsen af tidligt graft-svigt. Homogenitet af varianser vil blive testet ved hjælp af F-testen. Disse resultater vil blive præsenteret i en tabel.
For ekstern validering af eksisterende forudsigelsesmodeller vil parametre blive indtastet i forudsigelsesmodellerne, hvilket resulterer i de forudsagte risici. Modeldiskrimination vil blive målt ved hjælp af AUC og ved diskriminationshældningen. DeLong-testen vil blive brugt til at teste for forskel mellem AUC for de forskellige forudsigelsesmodeller. Kalibrering vil blive evalueret ved at sammenligne observeret med forudsagt hændelsesrate og grafisk repræsenteret ved kalibreringsplot.
For udviklingen af en ny forudsigelsesmodel er resultatet af interesse tidligt graft-svigt, defineret som graft-tab inden for 90 dage efter transplantation (binært resultat). En multivariabel logistisk regressionsmodel vil blive udviklet til at estimere den individuelle risiko for tidligt graft-svigt. Kandidatprædiktorer vil blive valgt a priori baseret på klinisk relevans, biologisk plausibilitet og tilgængelighed før transplantation, informeret af eksisterende litteratur og ekspertudtalelser. For at reducere risikoen for overfitting vil antallet af modelparametre være begrænset til cirka 20, i overensstemmelse med en hændelser-pr.-parameter-tilgang. Datadrevne prædiktorudvalgsprocedurer vil blive undgået. Intern validering vil blive udført ved hjælp af bootstrapping, og modelydelse vil blive vurderet med hensyn til diskrimination og kalibrering.
Modelydelse vil også blive testet i følgende undergrupper: modtagerens køn, modtagerens bopælskontinent, indikation for levertransplantation, udført donorhepatektomi og tilgang til donorhepatektomi.
Undersøgelsestype
Tilmelding (Anslået)
Kontakter og lokationer
Studiekontakt
- Navn: Hayo W. ter Burg, MD, MSc
- Telefonnummer: +316 83233210
- E-mail: h.terburg@erasmusmc.nl
Studiesteder
-
-
South Holland
-
Rotterdam, South Holland, Holland, 3015 GD
- Erasmus Medical Center
-
Kontakt:
- Hayo W. ter Burg, MD
- Telefonnummer: +316 83233210
- E-mail: h.terburg@erasmusmc.nl
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Barn
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Alle LDLT donor-modtager-par registreret i det Internationale LDLT Register fra 1. september 2023 til nu.
Eksklusionskriterier:
- To-trins LDLT
- Dobbelt graft LDLT
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Kohorter og interventioner
Gruppe / kohorte |
Intervention / Behandling |
|---|---|
|
Levende leverdonorer og modtagere
Studiepopulationen består af levende leverdonorer og deres tilsvarende modtagere registreret i det internationale LDLT-register.
|
Donorer, der gennemgik levende donorhepatektomi, og modtagere, der gennemgik levertransplantation med levende donor.
Andre navne:
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
LDLT forudsigelsesmodel
Tidsramme: Fra igangsættelse af LDLT-screening indtil 1 år efter donation
|
Det primære resultat er en ny, klinisk anvendelig prognosemodel for resultater af LDLT.
|
Fra igangsættelse af LDLT-screening indtil 1 år efter donation
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Ekstern validitet af eksisterende forudsigelsesmodeller
Tidsramme: Fra starten af LDLT-screening til 1 år efter donation
|
Det sekundære resultat er den eksterne validitet af de mest lovende eksisterende prædiktionsmodeller for LDLT-resultater uddraget fra litteraturen.
Dette vurderes ved hjælp af arealet under kurven fra en receiver operating characteristic-kurve.
|
Fra starten af LDLT-screening til 1 år efter donation
|
Samarbejdspartnere og efterforskere
Sponsor
Efterforskere
- Ledende efterforsker: Robert C. Minnee, MD, PhD, MSc, Erasmus Medical Center
Publikationer og nyttige links
Generelle publikationer
- Haller MC, Aschauer C, Wallisch C, Leffondre K, van Smeden M, Oberbauer R, Heinze G. Prediction models for living organ transplantation are poorly developed, reported, and validated: a systematic review. J Clin Epidemiol. 2022 May;145:126-135. doi: 10.1016/j.jclinepi.2022.01.025. Epub 2022 Feb 4.
- Li Z, Centonze L, Raptis D, Marquez KAH, Rammohan A, Gunasekaran V, Hong S, Chen IC, Kim J, Hsu SC, Kirimker EO, Akamatsu N, Shaked O, Finotti M, Yeow M, Genedy L, Dutkowski P, Nadalin S, Boehnert MU, Polak WG, Bonney GK, Mathur A, Samstein B, Emond JC, Testa G, Olthoff KM, Heimbach JK, Taner T, Wong TC, Hasegawa K, Balci D, Cattral M, Sapisochin G, Selzner N, Jeng LB, Joh JW, Chen CL, Suh KS, Di Sandro S, Rela M, Broering D, Clavien PA. Early graft failure after adult living donor liver transplantation: A multicenter risk analysis and development of the early allograft failure in living donor liver transplantation (EAGLE-LDLT) model. Liver Transpl. 2026 Jan 21. doi: 10.1097/LVT.0000000000000816. Online ahead of print.
- Li Z, Raptis D, Rammohan A, Gunasekaran V, Hong S, Chen IC, Kim J, Hervera Marquez KA, Hsu SC, Kirimker EO, Akamatsu N, Shaked O, Finotti M, Yeow M, Genedy L, Braun J, Yebyo H, Dutkowski P, Nadalin S, Boehnert MU, Polak WG, Bonney GK, Mathur A, Samstein B, Emond JC, Testa G, Olthoff KM, Rosen CB, Heimbach JK, Taner T, Wong TC, Lo CM, Hasegawa K, Balci D, Cattral M, Sapisochin G, Selzner N, Jeng LB, Joh JW, Chen CL, Suh KS, Rela M, Broering D, Clavien PA. Validation of a Pretransplant Risk Prediction Model for Early Allograft Dysfunction After Living-donor Liver Transplantation. Transplantation. 2025 Aug 1;109(8):1383-1392. doi: 10.1097/TP.0000000000005331. Epub 2025 Jan 28.
- Babu R, Sethi P, Surendran S, Dhar P, Gopalakrishnan U, Balakrishnan D, Menon RN, Sivasankarapillai Thankamonyamma B, Othiyil Vayoth S, Thillai M. A New Score to Predict Recipient Mortality from Preoperative Donor and Recipient Characteristics in Living Donor Liver Transplantation (DORMAT Score). Ann Transplant. 2017 Aug 18;22:499-506. doi: 10.12659/aot.904350.
- Giglio MC, Dolce P, Yilmaz S, Tokat Y, Acarli K, Kilic M, Zeytunlu M, Unek T, Karam V, Adam R, Polak WG, Fondevila C, Nadalin S, Troisi RI; European Liver and Intestine Transplant Association (ELITA). Development of a model to predict the risk of early graft failure after adult-to-adult living donor liver transplantation: An ELTR study. Liver Transpl. 2024 Aug 1;30(8):835-847. doi: 10.1097/LVT.0000000000000312. Epub 2023 Dec 12.
- Goldberg DS, French B, Abt PL, Olthoff K, Shaked A. Superior survival using living donors and donor-recipient matching using a novel living donor risk index. Hepatology. 2014 Nov;60(5):1717-26. doi: 10.1002/hep.27307. Epub 2014 Oct 2.
Hjælpsomme links
Datoer for undersøgelser
Studer store datoer
Studiestart (Anslået)
Primær færdiggørelse (Anslået)
Studieafslutning (Anslået)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Andre undersøgelses-id-numre
- PREDICTLDLT
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
IPD-planbeskrivelse
IPD-delingstidsramme
(Underliggende) data vil blive gjort tilgængelige sammen med publikationen. Det vil være tilgængeligt i 10 år. Adgang til data og billeder er godkendt af afdelingslederen og hovedundersøgeren. Denne adgang er midlertidig. Hvem og hvornår adgang er godkendt er registreret.
Adgang til registret kan anmodes om ved at kontakte International LDLT register (LDLTregistry.org).
IPD-delingsadgangskriterier
IPD-deling Understøttende informationstype
- STUDY_PROTOCOL
- SAP
- ANALYTIC_CODE
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .