研究人群定义与数据来源
构建三个政策时代的等待名单候选人队列，用于比较DDLT率变异。
使用SRTR数据，纳入成人、首次、非Status1A、活跃、期间患病等待名单注册者，分三个时代：pre-AC、AC后初期、AC后近期；仅纳入每个时代至少10例等待名单患者的中心。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
中心地理还是中心实践？分解 deceased donor 肝移植可及性的地理变异
Center Geography or Center Practice? Decomposing Geographic Variation in Access to Deceased Donor Liver Transplantation
实验完整度
中基于SRTR登记数据的多水平Poisson回归建模，量化中心和地理单元对DDLT率变异的贡献，并分析中心率与DCD、LDLT及先进保存实践的相关性。
主要模型
成人首次非Status1A等待名单候选人（SRTR登记数据） 移植中心（112个） 供者服务区（DSA，51/50/49个） OPTN区域、州和人口普查区
重点核对
三个时代的定义：pre-AC（2017-05-01至2019-04-30）、AC后初期（2020-02-04至2022-02-03）、AC后近期（2022-02-04至2024-12-31） 纳入标准：成人、首次、非Status1A、活跃、期间患病等待名单注册者；每个时代中心至少10例等待名单患者 固定效应调整变量：年龄分组、性别、种族、时变lMELD评分和时变HCC/非HCC例外状态 随机效应结构：分别以DSA、区域、州、人口普查区为顶层随机效应，中心嵌套于其中；另用仅中心随机效应的两水平模型估计总中心水平变异 MIRR及相对贡献计算：MIRR基于Austin方法；相对贡献为各方差占总随机效应方差的比例；95%CI通过中心分层bootstrapping（100次迭代）估计
摘要
deceased donor 肝移植（DDLT）中的差异可能源于器官供需比的地理不平衡和/或中心器官接受实践。我们评估了中心相对于更广泛地理单元（供者服务区[DSA]/州/器官获取与移植网络区域/人口普查区）对DDLT率变异的相对贡献。使用移植受者科学登记处关于成人、首次、非Status1A、期间患病等待名单候选人的数据，我们进行了多层Poisson回归，以中心水平和DSA水平截距对3个时代的DDLT率建模：acuity circles前（pre-AC）（2017年5月1日至2019年4月30日）、AC实施后初期（2020年2月4日至2022年2月3日）和AC实施后近期（2022年2月4日至2024年12月31日），并调整候选人因素。我们计算了中心水平和DSA水平的中位发病率比（MIRR）及其对总地理变异的相对贡献。DSA水平MIRR从pre-AC到AC后初期到AC后近期分别为1.471.521.58、1.321.371.42和1.171.231.28。中心水平、DSA内MIRR在各时代从1.561.611.64增加到1.761.821.84再到1.921.962.05。DSA对总中心水平变异的贡献在各时代从43.7%下降到21.5%再到8.4%。类似地，其他广泛地理单元（州/器官获取与移植网络区域/人口普查区）对DDLT率总地理变异的贡献在AC后下降。进一步的分配变化不太可能大幅减少地理差异，因为DDLT率变异主要由中心水平差异驱动，而这些差异与高度可变的先进保存实践相关。
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
- 在AC政策下，DDLT率差异主要由更广泛地理区域还是区域内的移植中心实践驱动？
- 核心机制
- AC政策实施后，地理区域（尤其是DSA和区域）对DDLT率变异的贡献下降，而中心水平差异（与DCD使用和先进保存实践等中心实践相关）成为DDLT率变异的主要驱动因素。
- 主要证据
- 基于SRTR数据的多水平Poisson回归显示，DSA水平MIRR从pre-AC的1.52降至AC后近期的1.23，中心水平MIRR从1.61升至1.96；DSA对总地理变异的贡献从43.7%降至8.4%，中心贡献升至91.6%；近期中心调整DDLT率与DCD使用（Spearman 0.46）和先进保存使用（Spearman 0.28）正相关。
- 研究意义
- 进一步的分配政策变化不太可能大幅减少地理差异，因为DDLT率变异主要由中心水平差异驱动；需要定期重新评估这些发现，并增加对患者关于列名中心在决定移植可及性中巨大作用的透明度。
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。
多水平Poisson回归建模DDLT率变异
量化地理区域和中心对DDLT率变异的相对贡献。
分别以DSA、OPTN区域、州、人口普查区为顶层随机效应，中心嵌套于其中，拟合三水平混合效应Poisson模型；另用仅中心随机效应的两水平模型估计总中心水平变异；调整候选人年龄、性别、种族、时变lMELD和时变例外状态。
计算MIRR及相对贡献
总结地理区域和中心水平的移植率变异程度，并分解总地理变异。
计算区域水平和中心水平的中位发病率比（MIRR），并计算地理区域与中心对总随机效应方差的相对贡献百分比。
中心DDLT率与DCD、LDLT及先进保存实践的相关性分析
探索中心水平DDLT率差异是否与DCD使用、活体供肝使用或先进保存实践相关。
在AC后近期时代，绘制调整后中心水平移植率与中心DCD来源DDLT百分比、LDLT百分比及先进保存（机器灌注或NRP）百分比的散点图，计算Spearman和Pearson相关系数。
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。
数据来源与队列构建
多水平统计建模
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 统计分析 | Stata 17.1/MP for Linux | Stata | -- |
| R 4.4.2版本 | -- | -- | |
| RStudio | Posit Software, PBC | -- |
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 |
|---|---|
| 研究人群与时代定义 | 三个时代的起止日期、纳入/排除标准（成人、首次、非Status1A、活跃、期间患病）、过渡期排除（2019-05-01至2020-02-03）、中心最少等待名单患者数（≥10） 阅读提示：Methods 2.2 Study population |
| 多水平Poisson模型设定 | 固定效应变量及分组（年龄、性别、种族、时变lMELD分组、时变HCC/非HCC例外状态）、随机效应结构（地理单元顶层、中心嵌套）、按时代分别建模 阅读提示：Methods 2.3 Variation in DDLT rate: Centers vs geography |
| MIRR与相对贡献计算 | MIRR计算方法（Austin方法）、相对贡献公式、95%CI估计方法（中心分层bootstrapping，100次迭代） 阅读提示：Methods 2.4 Median incidence rate ratios 和 2.5 Relative contributions of geographic areas versus centers |
| 总中心水平变异模型 | 两水平模型设定（中心为唯一随机效应）、调整变量与三水平模型一致 阅读提示：Methods 2.6 Total center-level variation in DDLT rate |
| 中心率与DCD/LDLT/先进保存相关性分析 | 调整后中心移植率来源、先进保存定义（机器灌注或NRP，NRP推断标准为循环停止至主动脉阻断>30分钟）、相关系数类型 阅读提示：Methods 2.7 Correlations between center-level DDLT rates and the use of donation after circulatory death, LDLT, and advanced preservation |