供体医院特征对已故捐赠者器官回收率的贡献

Contribution of donor hospital characteristics to deceased donor organ recovery rates

作者信息Rocio Lopez, Sumit Mohan, Emily A Vail, James R Rodrigue, Susana Arrigain, Deena Brosi, Ryan LaVanchy, Trevor Nydam, Jesse D Schold
PMID42177032
发布时间2026-05-22
DOI10.1016/j.ajt.2026.05.2285

实验完整度

该研究为观察性队列研究,利用SRTR、CMS等多项行政数据,采用分层负二项模型进行统计分析,包含敏感性分析,但无实验干预或机制验证。

主要模型

1,776家急性护理供体医院 56个OPO

重点核对

医院层面的器官回收率定义:回收器官数/总出院人数 数据来源:2023年SRTR、CMS医院提供者数据、成本报告 统计方法:具有OPO随机截距的分层负二项模型 医院特征:所有权、创伤等级、移植中心、DCI、患者体验评分 OPO特征:DCU模型

摘要

医疗保险和医疗补助服务中心(CMS)根据其捐赠服务区内的捐献和移植率评估器官获取组织(OPO),但单个医院层面的特征也可能显著影响器官回收。我们使用2023年来自SRTR、CMS医院提供者数据和成本报告的数据,研究了医院层面因素如何影响回收率。采用具有OPO随机截距的分层负二项模型评估医院层面的器官回收(回收器官/总出院人数)。2023年,OPO从1,776家医院回收了用于移植的器官。与私立医院相比,政府所有(IRR=1.24;95%CI=1.08–1.42)和非营利医院(IRR=1.19;95%CI=1.05–1.35)的回收率更高。位于最贫困地区的医院(IRR=1.18;95%CI=1.03–1.35)、移植中心(IRR=1.19;95%CI=1.05–1.33)、一级创伤中心(IRR=2.21;95%CI=1.98–2.47)和二级创伤中心(IRR=1.86;95%CI=1.69–2.05)的回收率更高。较高的患者体验/信任评分与较低的回收率相关(IRR=0.89;95%CI=0.85–0.93),而死亡率/病情严重程度则呈正相关(IRR=1.15;95%CI=1.10–1.21)。与具有转移模式(IRR=1.37;95%CI=1.06–1.78)或独立捐赠者护理单元(IRR=1.17;95%CI=1.02–1.34)的OPO相关联的医院的回收率更高。针对特定捐赠医院的干预措施可能显著提高器官回收率,并且未来的OPO绩效衡量可能需要考虑医院层面因素,认识到它们对器官捐献过程的实质性影响。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
医院层面的哪些特征与已故捐赠者器官回收率相关,以及这些特征如何影响OPO绩效评估?
核心机制
医院特征(如所有权、创伤中心级别、患者病情严重程度)和OPO特征(如DCU模型)与器官回收率相关。具体机制涉及资源、专业化和护理强度:高优诊创伤中心和高死亡率医院可能因更严重的患者群体和更高的捐赠潜力而具有更高回收率;患者体验评分较低可能反映资源紧张的医院环境;独立DCU通过集中专业知识和标准化流程提高回收效率。
主要证据
分层负二项回归分析显示,政府所有(IRR=1.24)和非营利(IRR=1.19)医院回收率更高;一级(IRR=2.21)和二级(IRR=1.86)创伤中心显著更高;患者体验评分每增加一个单位回收率降低11%(IRR=0.89);死亡率/病情严重程度因子每增加一个单位回收率增加15%(IRR=1.15);独立DCU(IRR=1.17)和转移安排(IRR=1.37)与更高回收率相关。
研究意义
研究结果强调医院层面的异质性对器官回收有显著影响,提示针对特定医院的干预措施可能改善回收结果,且OPO绩效评估应考虑医院层面因素以更公平地评价。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

数据整合与队列构建

确定2023年所有已故捐赠者医院及其器官回收情况,并整合医院特征数据

从SRTR、CMS PDC、成本报告、创伤中心数据库、DCI、RUC等来源收集数据,通过医保提供者编号、名称和ZIP码匹配,并排除未匹配、儿童、关键通道及精神科医院,最终纳入1,776家急性护理供体医院。

2

结果指标定义

定义医院层面器脏回收率作为结果变量

定义器官回收率为回收器官数除以总出院人数,并用总出院人数作为供体潜力的替代指标。

3

统计建模与敏感性分析

评估医院和OPO特征与器官回收率的关系,并验证结果稳健性

使用具有OPO随机截距的分层负二项模型,比较四个模型(空模型、医院因素、医院+OPO因素、完整模型),并计算IRR和MIRR;进行多重敏感性分析,包括排除研究性胰腺、限制美国本土、按出院量分层、分别考虑DBD/DCD等。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
SAS 9.4SAS Institute--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
数据整合
数据来源:SRTR(2023年捐赠者数据)、CMS PDC、成本报告、DCI(2021年)、创伤中心数据(2023年)、RUC(2023年);匹配方法:医院提供者编号、名称和ZIP码匹配,最后模糊匹配城市和州
阅读提示:Methods 2.1 Data Sources 和 2.2 Data Integration and Modeling Variables
队列定义
纳入标准:2023年OPO至少回收一个器官的急性护理医院;排除标准:未匹配医院、儿童/关键通道/精神科医院
阅读提示:Methods 2.2 Data Integration and Modeling Variables 和 Results 3.1 Hospital and Recovery Landscape
结果指标
器官回收率定义:回收器官数/总出院人数;器官定义:回收用于移植的器官,包括胰腺(即使用于胰岛研究)
阅读提示:Methods 2.2 和 2.3 Outcome measure
统计模型
模型类型:分层负二项回归,随机截距为OPO,offset为总出院人数的对数;报告IRR和95%CI;使用SAS 9.4;双尾检验,显著性水平0.05
阅读提示:Methods 2.4 Statistical methods
敏感性分析
敏感性分析的具体设置:排除研究性胰腺、限制美国本土、DCU运营≥2年、按出院量分层、DBD/DCD分别分析
阅读提示:Methods 2.4 Statistical methods 和 Results 3.3 Model Performance…