Ennustemallit LDLT-tuloksille (PREDICTLDLT)
Kliinisesti sovellettava ennustemalli elävän luovuttajan maksansiirron tuloksille kansainvälisen LDLT-rekisterin avulla
Perustelu:
Elävän luovuttajan maksansiirto (LDLT) on noussut tärkeäksi vaihtoehdoksi loppuvaiheen maksasairauksista kärsiville potilaille. Kansainvälisten ja merkityksellisten vertailujen mahdollistamiseksi laitoksemme osallistuu kansainväliseen LDLT-rekisteriin. Useita malleja LDLT:n jälkeisten tulosten ennustamiseksi on kehitetty neuvomaan ja perustelemaan elävien maksanluovuttajien läpikäymää suurta leikkausta. Useimmat ehdotetuista malleista ovat kuitenkin suuressa harhaviivan vaarassa ja osoittavat alhaisen erottelukyvyn.
Tämän tutkimuksen tavoitteena on ulkoisesti validoida lupaavimmat ennustemallit ja sen jälkeen kehittää uusi, kliinisesti sovellettava ennustemalli LDLT:n tuloksille käyttäen kansainvälistä LDLT-rekisteriä.
Tavoitteet:
Tutkimuksen päätavoitteena on kehittää uusi, kliinisesti sovellettava ennustemalli LDLT:n tuloksille käyttäen kansainvälistä LDLT-rekisteriä.
Tutkimuksen toissijainen tavoite on ulkoisesti validoida lupaavimmat olemassa olevat ennustemallit LDLT:n tuloksille käyttäen kansainvälistä LDLT-rekisteriä.
Tutkimuksen tyyppi:
Tämä on havainnointiin perustuva, monikeskuksinen kohorttitutkimus, joka käyttää prospektiivisesti kerättyjä tietoja kansainvälisestä LDLT-rekisteristä. Rekisteritietoja analysoidaan retrospektiivisesti ulkoisen mallin validoinnin ja ennustemallin kehittämisen tarkoituksiin.
Tutkimuspopulaatio:
Tutkimuspopulaatioon kuuluvat elävät maksanluovuttajat ja heitä vastaavat vastaanottajat, jotka on kirjattu kansainväliseen LDLT-rekisteriin.
Menetelmät:
Ulkoista validointia varten parametrit syötetään olemassa oleviin ennustemalleihin, mikä johtaa ennustettuihin riskeihin. Mallin erottelukykyä mitataan käyrän alapuolen pinta-alan (AUC) ja erotteluvin avulla. DeLong-testiä käytetään testaamaan eroja eri ennustemallien AUC-arvojen välillä. Kalibrointia arvioidaan vertaamalla havaittuja tapahtumien määriä ennustettuihin määriin ja esitetään graafisesti kalibrointikäyriä käyttäen.
Uuden ennustemallin kehittämiseksi kiinnostuksen kohteena oleva lopputulos on varhainen siirteen vajaatoiminta, joka määritellään siirteen menetykseksi 90 vuorokauden kuluessa siirrosta. Kehitetään monimuuttujainen logistinen regressiomalli yksilöllisen varhaisen siirteen vajaatoiminnan riskin arvioimiseksi. Sisäinen validointi suoritetaan käyttäen bootstrap-menetelmää, ja mallin suorituskykyä arvioidaan erottelukyvyn ja kalibroinnin osalta. Mallin suorituskykyä testataan myös alaryhmissä.
Tutkimuksen yleiskatsaus
Tila
Interventio / Hoito
Yksityiskohtainen kuvaus
Tutkimuskysymykset:
- Voidaanko uusi ennen leikkausta tehtävän ennustemallin kehittää käyttämällä Kansainvälistä LDLT-rekisteriä luotettavasti ennustamaan LDLT-tuloksia perustuen luovuttajaan ja vastaanottajaan liittyviin muuttujiin?
- Miten lupaavimmat olemassa olevat ennustemallit LDLT-tuloksille suoriutuvat, kun niitä validoidaan ulkoisesti Kansainvälisessä LDLT-rekisterissä?
Otoskoko:
Otoskoko ennustemallin kehittämiseen arvioitiin käyttäen tapahtumia parametria kohden -menetelmää (EPP/EPV). Aiempaan tutkimukseen perustuen varhaisen siirteen vajaatoiminnan odotettu esiintymistiheys asetettiin 17,5 %:iin. Ennalta määritimme 20 malliparametria (mukaan lukien luokittavien ennustajien dummy-muuttujat ja mahdolliset vuorovaikutustermit) ja tavoittelimme 15 tapahtumaa parametria kohden vähentääksemme ylisovittamista. Tämä tuottaa vähintään 300 tapahtumaa, mikä vastaa noin 1 715 potilaan kokonaisotokkokokoa.
Tilastollinen analyysi:
Tilastolliset analyysit suoritetaan käyttäen RStudio 2024.09.1, GraphPad Prism 10.6.1 ja Microsoft Excel versiota 16.90.2. P <0,05 osoittaa tilastollista merkitsevyyttä.
Normaalisuus testataan Shapiro-Wilk-testillä. Perusominaisuudet jaetaan varhaisen siirteen vajaatoiminnan esiintymisen perusteella. Varianssien homogeenisuus testataan F-testillä. Nämä tulokset esitetään taulukossa.
Olemassa olevien ennustemallien ulkoista validointia varten parametrit syötetään ennustemalleihin, mikä johtaa ennustettuihin riskeihin. Mallin erottelukyky mitataan AUC:n ja erottelukaltevuuden avulla. DeLong-testiä käytetään testaamaan eroa eri ennustemallien AUC:n välillä. Kalibrointi arvioidaan vertaamalla havaittuja tapahtumien määriä ennustettuihin määriin ja graafisesti esitetään kalibrointikäyrillä.
Uuden ennustemallin kehittämiseksi kiinnostuksen kohteena on varhainen siirteen vajaatoiminta, joka määritellään siirteen menetykseksi 90 päivän kuluessa siirrosta (binäärinen tulos). Monimuuttujainen logistinen regressiomalli kehitetään arvioimaan yksilöllistä riskiä varhaiselle siirteen vajaatoiminnalle. Ehdokasennustajat valitaan etukäteen perustuen kliiniseen merkitykseen, biologiseen uskottavuuteen ja saatavuuteen ennen siirtoa, olemassa olevan kirjallisuuden ja asiantuntijalausuntojen perusteella. Vähentääkseen ylisovittamisen riskiä malliparametrien määrä rajoitetaan noin 20:een tapahtumia parametria kohden -menetelmän mukaisesti. Dataan perustuvia ennustajien valintamenetelmiä vältetään. Sisäinen validointi suoritetaan bootstrapping-menetelmällä, ja mallin suorituskyky arvioidaan erottelukyvyn ja kalibroinnin osalta.
Mallin suorituskykyä testataan myös seuraavissa alaryhmissä: vastaanottajan sukupuoli, vastaanottajan asuinmaanosa, maksansiirron indikaatio, suoritettu luovuttajan hepatektomia ja lähestymistapa luovuttajan hepatektomiaan.
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: Hayo W. ter Burg, MD, MSc
- Puhelinnumero: +316 83233210
- Sähköposti: h.terburg@erasmusmc.nl
Opiskelupaikat
-
-
South Holland
-
Rotterdam, South Holland, Alankomaat, 3015 GD
- Erasmus Medical Center
-
Ottaa yhteyttä:
- Hayo W. ter Burg, MD
- Puhelinnumero: +316 83233210
- Sähköposti: h.terburg@erasmusmc.nl
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Lapsi
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- Kaikki LDLT-donori-vastaanottajaparit, jotka on rekisteröity kansainväliseen LDLT-rekisteriin 1. syyskuuta 2023 lähtien.
Poissulkemiskriteerit:
- Kaksivaiheinen LDLT
- Kaksoissiirto LDLT
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
Elävät maksanluovuttajat ja -vastaanottajat
Tutkimuspopulaatio koostuu elävistä maksanluovuttajista ja heidän vastaavista vastaanottajista, jotka on kirjattu Kansainväliseen LDLT-rekisteriin.
|
Elävän luovuttajan hepatektomiaa saaneet luovuttajat ja elävän luovuttajan maksansiirtoa saaneet vastaanottajat.
Muut nimet:
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
LDLT-ennustemalli
Aikaikkuna: LDLT-seulonnasta alkaen aina vuoteen lahjoituksen jälkeen
|
Pääasiallinen tulos on uusi, kliinisesti sovellettava ennustemalli LDLT-tuloksille.
|
LDLT-seulonnasta alkaen aina vuoteen lahjoituksen jälkeen
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Ulkoinen validointi olemassa oleville ennustemalleille
Aikaikkuna: LDLT-seulonnasta alkaen aina vuoden kuluttua luovutuksesta
|
Toissijainen tavoite on kirjallisuudesta poimittujen lupaavimpien olemassa olevien ennustemallien ulkoinen validiteetti LDLT-tuloksille.
Tätä arvioidaan käyttämällä käyrän alla olevaa aluetta vastaanottavan toimintakäyrän (ROC-käyrän) perusteella.
|
LDLT-seulonnasta alkaen aina vuoden kuluttua luovutuksesta
|
Yhteistyökumppanit ja tutkijat
Sponsori
Tutkijat
- Päätutkija: Robert C. Minnee, MD, PhD, MSc, Erasmus Medical Center
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- 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.
Hyödyllisiä linkkejä
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Arvioitu)
Ensisijainen valmistuminen (Arvioitu)
Opintojen valmistuminen (Arvioitu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muut tutkimustunnusnumerot
- PREDICTLDLT
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
IPD-suunnitelman kuvaus
IPD-jaon aikakehys
(Taustalla oleva) data tullaan julkaisemaan julkaisun yhteydessä. Se on saatavilla 10 vuoden ajan. Pääsy dataan ja kuvat hyväksytään osastonjohtajan ja päävastuuhenkilön toimesta. Tämä pääsy on väliaikainen. Kenelle ja milloin pääsy on hyväksytty, rekisteröidään.
Pääsyä rekisteriin voi pyytää ottamalla yhteyttä kansainväliseen LDLT-rekisteriin (LDLTregistry.org).
IPD-jaon käyttöoikeuskriteerit
IPD-jakamista tukeva tietotyyppi
- STUDY_PROTOCOL
- MAHLA
- ANALYTIC_CODE
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .