数据获取与预处理
获取OPTN标准分析文件和死亡供者匹配运行数据,用于模拟和校准。
从OPTN获取2018年1月1日至2023年7月30日的标准分析文件和死亡供者匹配运行数据,并对缺失数据使用预测均值匹配和多项Logit模型进行插补。
A Sliding Scale AdaptiVe Expedited rescue algorithm for deceased donor kidney transplantation
该研究为基于OPTN数据的模拟研究,使用KSIM 2.0模拟器进行20次重复运行,包含模型校准和敏感性分析,但无体外或体内实验。
OPTN器官分配数据队列(2018-2023) KSIM 2.0肾脏分配模拟模型
模拟运行次数为20次 KDPI分层区间(>0.35) 阈值参数X(0.65、0.75、0.85) 批次大小参数Y(0.5、1、2、4) 非使用率数据来源(前6或12个月)
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
获取OPTN标准分析文件和死亡供者匹配运行数据,用于模拟和校准。
从OPTN获取2018年1月1日至2023年7月30日的标准分析文件和死亡供者匹配运行数据,并对缺失数据使用预测均值匹配和多项Logit模型进行插补。
开发并校准肾脏接受模型,以模拟患者对器官提供的接受行为。
使用历史数据训练logit模型预测初步接受和最终接受,并通过人工参与的二分区方法校准模型,使模拟未使用率与观测值误差在合理范围内。
评估SAVE算法在不同阈值和批次大小下对肾脏未使用率的影响。
使用KSIM 2.0模拟器,在pre-KAS250和post-KAS250数据上运行不同X和Y值的SAVE算法,并分析未使用率变化。
分析SAVE对移植中心工作量的潜在影响,以评估可行性。
量化SAVE导致的器官提供次数增加,并分析其在不同KDPI层的分布。
按研究目的归类文中使用的方法,便于定位所需技术。
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 |
|---|---|
| 数据获取与预处理 | OPTN数据版本、时间范围、缺失数据处理方法 阅读提示:Methods部分的数据来源和缺失数据处理 |
| 模型校准 | 校准目标误差、校准方法、重复次数 阅读提示:Methods部分的模型校准 |
| 模拟实验 | 模拟次数、X和Y参数组合、数据时期 阅读提示:Methods部分的模拟实验 |
| 结果分析 | 工作量评估指标、增加百分比 阅读提示:Results部分和图1 |