کڈنی ٹرانسپلانٹ کے نتائج پر متعدد علاقائی فہرست سازی اور معلومات کے اشتراک کے اثرات کا مطالعہ کرنے کے لیے ایک تخروپن پر مبنی اصلاحی ماڈل

زہرہ غریبی 1،* اور مائیکل ہاسلر 2

خلاصہ:8000 سے زائد مریض انتظار کی فہرست میں ہیں۔گردہٹرانسپلانٹیشن مر جائے یا صحت کی خرابی کی وجہ سے ٹرانسپلانٹ حاصل کرنے کے لیے نااہل ہو جائے۔ ایک ہی وقت میں، ریاست ہائے متحدہ امریکہ میں ہر سال مرنے والے عطیہ دہندگان کے 4000 سے زیادہ بازیاب گردے ضائع کر دیے جاتے ہیں۔ یہ مقالہ ایک تخروپن پر مبنی اصلاحی ماڈل تیار کرتا ہے جو a کے لیے کئی اہم عوامل پر غور کرتا ہے۔گردہبہتر کرنے کے لئے ٹرانسپلانٹیشنگردہاستعمال. زیادہ تر مجوزہ ماڈلز کے برعکس، پیش کردہ اصلاحی ماڈل پیشکش کے عمل کی تفصیلات، مریض کی صحت کی خرابی اورگردہوقت کے ساتھ معیار، مریضوں کی صحت اور قبولیت کے فیصلوں کے درمیان تعلق، اور گردے کی قبولیت کا امکان۔ ہم یونائیٹڈ نیٹ ورک آف آرگن شیئرنگ (UNOS) اور سائنٹیفک رجسٹری آف ٹرانسپلانٹ وصول کنندگان (SRTR) سے حاصل کردہ ڈیٹا کا استعمال کرتے ہوئے ماڈل پیرامیٹرز کا تخمینہ لگاتے ہیں۔ ان پیرامیٹرز کا استعمال کرتے ہوئے، ہم دو متعلقہ ایپلی کیشنز کا استعمال کرتے ہوئے تخروپن پر مبنی اصلاحی ماڈل کی طاقت کو واضح کرتے ہیں۔ سابقہ ​​​​مریضوں کو ٹرانسپلانٹ کے بعد کے نتائج پر متعدد علاقوں کی انتظار کی فہرست کا پیچھا کرنے کی ترغیب دینے کے اثرات کو تلاش کرتا ہے۔ یہاں، ایک تخروپن پر مبنی اصلاحی ماڈل مریض کو ان کی طلب سے رسد کے تناسب کے پیش نظر، انتظار کی فہرست میں شامل ہونے کے لیے بہترین علاقوں کا انتخاب کرنے دیتا ہے۔ دوسری درخواست ٹرانسپلانٹیشن کے نظام کی سطح کے پہلو پر توجہ مرکوز کرتی ہے، یعنی گردوں کے ضائع ہونے کی شرح کو بہتر بنانے اور سماجی بہبود پر معلومات کے تبادلے کا تعاون۔ ہم انتظار کی فہرست میں موت، گردے کے ضائع ہونے، اور ٹرانسپلانٹ کی شرحوں پر دستیاب عطیہ دہندگان سے مماثل مریض کی تلاش کو تیز کرنے کے لیے جدید انفارمیشن ٹیکنالوجی کے استعمال کے اثرات کی تحقیقات کرتے ہیں۔ ہم یہ ظاہر کرتے ہیں کہ اس وقت یونائیٹڈ نیٹ ورک فار آرگن شیئرنگ (UNOS) کے ذریعہ تیار کردہ جدید انفارمیشن ٹیکنالوجی سپورٹ ضروری ہے اور اس سے گردوں کے استعمال میں نمایاں بہتری آسکتی ہے۔

مطلوبہ الفاظ:نقلی ماڈل؛گردہقبولیت؛گردہمختص کرنے؛ ایک سے زیادہ علاقوں کی فہرست؛ معلومات کا اشتراک

رابطہ:joanna.jia@wecistanche.com

Cistanchetubulosa گردے کی بیماری کو روکتا ہے، نمونہ حاصل کرنے کے لیے یہاں کلک کریں۔

1. تعارف

دائمیگردہبیماری (CKD) کا ایک ترقی پسند نقصان ہے۔گردہوقت کے ساتھ فنکشن. CKD عالمی سطح پر صحت کا بحران ہے کیونکہ اس وقت 2 ملین سے زیادہ مریض اینڈ اسٹیج رینل ڈیزیز (ESRD) یا گردے کی خرابی کا شکار ہیں۔ ESRD کے ساتھ تشخیص شدہ مریضوں کی تعداد میں ہر سال 5 فیصد اور 7 فیصد کے درمیان اضافہ متوقع ہے [1]۔ فی الحال اس کا کوئی علاج نہیں ہے۔گردہناکامی، اور ESRD والے مریضوں کو زندہ رہنے کے لیے زندہ یا مردہ ڈونر سے بار بار ڈائیلاسز یا گردے کی پیوند کاری کی ضرورت ہوتی ہے۔ زیادہ تر مریضوں کے لیے، گردے کی پیوند کاری ایک ترجیحی علاج ہے جو ڈائیلاسز کے مقابلے میں زندگی کے اعلیٰ معیار کے ساتھ طویل عمر فراہم کرتا ہے۔ تاہم، دنیا بھر میں مریضوں کو عطیہ کرنے والے گردوں کی دائمی کمی کا سامنا ہے جو ٹرانسپلانٹ کے لیے قابل رسائی ہیں۔

امریکہ میں اس وقت، تقریباً 100،000 مریض انتظار کی فہرست میں ہیں، اور اوسطاً، ہر ماہ 3000 سے زیادہ نئے مریض درج کیے جاتے ہیں۔ ہر سال 4000 سے زیادہ مریض زندگی بچانے کے انتظار میں مر جاتے ہیں۔گردہٹرانسپلانٹ، اور 4000 سے زیادہ بیمار ہو جاتے ہیں اور ضائع ہونے کی اتنی زیادہ شرح کے پیچھے وجوہات کو سمجھنے کے لیے ہمیںگردہمختص اور پیشکش کا عمل۔ زندہ اور مردہ گردے عطیہ کرنے والے اور مختلف ممالک کے درمیان کافی فرق ہے۔ ہم یہاں پر توجہ مرکوز کرتے ہیںگردےامریکہ میں مرنے والے عطیہ دہندگان سے۔ متوفی عطیہ دہندگان کے گردے مختص کرنے کے لیے سب سے اہم معیار ہیں (1) عطیہ کنندہ وصول کنندہ کی طبی مطابقت، (2) لاجسٹک عوامل، اور (3) انتظار کی فہرست میں مریض کی پوزیشن (مثلاً انتظار کا وقت، پوائنٹس)۔ مزید خاص طور پر، امریکہ میں، یونائیٹڈ نیٹ ورک آف آرگن شیئرنگ (UNOS) آرگن پروکیورمنٹ اینڈ ٹرانسپلانٹیشن نیٹ ورک (OPTN) کا انتظام کرتا ہے اور مریضوں اور عطیہ دہندگان دونوں کا ڈیٹا اکٹھا کرنے کا ذمہ دار ہے۔ لاجسٹک معلومات اور انتظار کے وقت کے علاوہ، انتظار کی فہرست کے اعداد و شمار میں مریض کی شناخت، آبادیاتی عوامل (مثلاً، جنس، نسل، عمر) اور طبی خصوصیات (مثلاً، ABO خون کی قسم، ہیومن لیوکوائٹ اینٹیجنز (HLAs)، پینل ری ایکٹو شامل ہیں۔ اینٹی باڈی (PRA))۔ اسی طرح، ایک مردہ ڈونر ڈیٹا بیس بنانے کے لیے، UNOS ڈونر ڈیموگرافکس، ڈونر لاجسٹک، بحالی اور تحفظ، اور ڈونر کی طبی خصوصیات کے بارے میں معلومات حاصل کرتا ہے۔ امریکہ میں کل 16,534 گردے ٹرانسپلانٹ کیے گئے۔ زیادہ مانگ اور گردے کی نمایاں کمی کے باوجود، مردہ عطیہ دہندگان سے برآمد ہونے والے پانچ میں سے تقریباً ایک گردے کو ضائع کر دیا جاتا ہے [2]۔

اس طرح کے اعلی ضائع ہونے کی شرح کے پیچھے وجوہات کو سمجھنے کے لئے، ہمیں دیکھنے کی ضرورت ہےگردہمختص اور پیشکش کا عمل۔ زندہ اور مردہ ڈونر کے درمیان کافی فرق ہے۔گردےاور مختلف ممالک کے درمیان۔ ہم یہاں امریکہ میں فوت شدہ عطیہ دہندگان کے گردوں پر توجہ مرکوز کرتے ہیں۔ متوفی عطیہ دہندگان کے گردے مختص کرنے کے لیے سب سے اہم معیار ہیں (1) عطیہ کنندہ وصول کنندہ کی طبی مطابقت، (2) لاجسٹک عوامل، اور (3) انتظار کی فہرست میں مریض کی پوزیشن (مثلاً انتظار کا وقت، پوائنٹس)۔ مزید خاص طور پر، امریکہ میں، یونائیٹڈ نیٹ ورک آف آرگن شیئرنگ (UNOS) آرگن پروکیورمنٹ اینڈ ٹرانسپلانٹیشن نیٹ ورک (OPTN) کا انتظام کرتا ہے اور مریضوں اور عطیہ دہندگان دونوں کا ڈیٹا اکٹھا کرنے کا ذمہ دار ہے۔ لاجسٹک معلومات اور انتظار کے وقت کے علاوہ، انتظار کی فہرست کے اعداد و شمار میں مریض کی شناخت، آبادیاتی عوامل (مثلاً، جنس، نسل، عمر) اور طبی خصوصیات (مثلاً، ABO خون کی قسم، ہیومن لیوکوائٹ اینٹیجنز (HLAs)، پینل ری ایکٹو شامل ہیں۔ اینٹی باڈی (PRA))۔ اسی طرح، ایک مردہ ڈونر ڈیٹا بیس بنانے کے لیے، UNOS ڈونر ڈیموگرافکس، ڈونر لاجسٹک، بحالی اور تحفظ، اور ڈونر کی طبی خصوصیات کے بارے میں معلومات حاصل کرتا ہے۔

UNOS تمام آرگن پروکیورمنٹ آرگنائزیشنز (OPOs) اور ٹرانسپلانٹ مراکز کو مربوط کرنے کے لیے ایک مرکزی کمپیوٹر نیٹ ورک کا استعمال کرتا ہے۔ عطیہ مختص کرنے کے لئےگردے، UNOS اپنے عطیہ کنندہ وصول کنندہ کے ملاپ کا نظام استعمال کرتا ہے۔ ہر بار ایک نیا مردہ ڈونرگردہٹرانسپلانٹیشن کے لیے بازیافت کیا جاتا ہے، UNOS ایک میچ رن الگورتھم کا اطلاق کرتا ہے، ایک ایسا پروگرام جو عطیہ دہندگان کے ڈیٹا کا موازنہ فعال انتظار کی فہرست والے مریضوں کے ڈیٹا سے کرتا ہے۔ گردے کے مختص قوانین اور پالیسیوں کا استعمال کرتے ہوئے مریضوں کی درجہ بندی کی فہرست تیار کی جاتی ہے۔ اس فہرست کو بنانے میں جن عوامل پر غور کیا گیا ان میں انتظار کا وقت، عطیہ دہندگان کے مدافعتی نظام کی مطابقت، زندہ عطیہ دہندگان کی ترجیحی اہلیت، عطیہ دہندگان کے ہسپتال سے دوری، بقا کا فائدہ (عطیہ کنندہ وصول کنندہ کی لمبی عمر کا ملاپ) اور بچوں کی حیثیت شامل ہیں۔

پیش کش کا مکمل عمل پیچیدہ ہے اور ہم یہاں صرف ان اہم اجزاء پر توجہ مرکوز کرتے ہیں جو اس مقالے میں زیر بحث نقلی ماڈل کے لیے ضروری ہیں۔ یہ عمل مقامی OPOs میں درج مریضوں کے ساتھ شروع ہوتا ہے (امریکہ میں 58 OPOs ہیں، جن میں سے ہر ایک اپنے مخصوص سروس ایریا کے ساتھ ہے)، جو میڈیکل سے مطابقت رکھتے ہیں اور انتظار کی فہرست میں سب سے زیادہ ترجیح رکھتے ہیں۔ اگر مقامی مختص کرنا ناکام ہو جاتا ہے تو، عضو کو خطے میں پیش کیا جاتا ہے (امریکہ اس وقت 11 ٹرانسپلانٹیشن والے علاقوں میں تقسیم ہے) اور آخر میں ملک بھر میں۔ اعداد و شمار 1a،b امریکہ کے 11 جغرافیائی خطوں کو دکھاتے ہیں [3] اور گردے کی پیشکش کے عمل کا جغرافیائی درجہ بندی بالترتیب۔ اعضاء کی خریداری اور مختص کرنے کی پالیسی کے بارے میں مزید تفصیلات [4] میں دستیاب ہیں۔ میں مقامی مریضوں کو ترجیح دینے کی ایک وجہگردہاسائنمنٹ کا عمل اعضاء کی خریداری اور امپلانٹیشن کے درمیان وقت کو کم کرنا ہے۔ اس وقت کو کولڈ اسکیمیا ٹائم (CIT) کہا جاتا ہے اور گردے کی پیوند کاری کے نتائج میں اہم کردار ادا کرتا ہے [5,6]۔

شکل 2 اور جدول 1 CIT میں علاقائی تغیرات، انتظار کا وقت، اور دکھاتا ہے۔گردہامریکہ بھر میں بالترتیب ٹرانسپلانٹ کے نتائج۔ پورے امریکہ میں مردہ عطیہ دہندگان کے گردے کے انتظار کے اوقات میں کافی فرق ہے۔ متعدد عوامل ٹرانسپلانٹ تک مریض کے انتظار کے وقت کو متاثر کر سکتے ہیں۔ مریض کے طبی عوامل جیسے کہ خون کی قسم اور پی آر اے (پینل ری ایکٹیو اینٹی باڈی) کی طرف سے دکھائی جانے والی حساسیت کی ڈگری کے علاوہ، جغرافیہ اور مریض کی رہائش کی جگہ کا گردے کی بروقت پیوند کاری تک رسائی کے موقع پر زبردست اثر پڑتا ہے۔ یہ اہم ہے کیونکہ طویل CIT والے خطوں میں پوسٹ ٹرانسپلانٹ گرافٹ اور مریض کی بقا کی شرح کم ہونے کا امکان زیادہ ہوتا ہے۔ مزید واضح طور پر، جیسا کہ گردے کی پیوند کاری کے بعد ایک- اور پانچ سالہ مریض اور گرافٹ کی بقا کی شرح کے نتائج بتاتے ہیں، تمام خطوں میں سب سے طویل CIT والے خطہ 9 میں تمام 11 میں سب سے کم ایک- اور پانچ سالہ مریض اور گرافٹ کی بقا کی شرح ہے۔ علاقوں عام طور پر جب CIT 24 گھنٹے تک پہنچ جاتا ہے، تو پیش کردہ عضو کو قبول کرنے کے لیے مریض کو تلاش کرنا مشکل ہوتا ہے۔ زیادہ تر معاملات میں، گردے CIT کے 48 گھنٹے کے بعد ضائع ہو جاتے ہیں۔ اس طرح انتظامی اصلاحات کے ذریعے گردے کی CIT کو کم کرنا موجودہ ٹرانسپلانٹیشن سسٹم اور نتائج کو بہتر بنانے کا ایک سرمایہ کاری مؤثر طریقہ ہو سکتا ہے۔

امریکہ میں ٹرانسپلانٹ سرجنز اور ریگولیٹرز نے اعلی مشاہدے کے حوالے سے اپنے خدشات کا اظہار کیا ہے۔گردہبڑھتی ہوئی انتظار کی فہرست، طویل انتظار کے وقت، اور اعلی انتظار کی فہرست ہٹانے کی شرح کے باوجود شرحوں کو ضائع کریں۔ جدول 2 امریکہ اور یورو ٹرانسپلانٹ (ET) ممالک کے لیے انتظار کی فہرست اور ٹرانسپلانٹ کی معلومات کو ظاہر کرتا ہے۔ یوروٹرانسپلانٹ ایک بین الاقوامی غیر منفعتی تنظیم ہے جو آسٹریا (A)، بیلجیم (B)، کروشیا (HR)، جرمنی (D)، ہنگری (H)، لکسمبرگ (LR)، نیدرلینڈز (NL)، اور سلووینیا میں اعضاء کی تقسیم اور پیوند کاری کے لیے ذمہ دار ہے۔ (SLO)۔ اگرچہ عطیہ کی تعدادگردےاور امریکہ میں 2019 میں کیے گئے ٹرانسپلانٹس اب تک کی بلند ترین سطح پر پہنچ گئے ہیں، ET کے مقابلے میں، گردے کے ضائع ہونے کی شرح تقریباً 26 فیصد ہے (جس کا شمار مردہ عطیہ دہندگان کی کل تعداد سے دو گنا زیادہ گردے کی پیوند کاری کی تعداد کے طور پر کیا جاتا ہے) تشویش کا باعث ہے۔ ممالک میں 20 فیصد ضائع کرنے کی شرح

ڈونر کی سب سے عام وجہگردہانکار اور ممکنہ ضائع کرنا عطیہ دہندگان کے گردے کے معیار کے بارے میں خدشات ہیں۔ ڈیٹا سے پتہ چلتا ہے کہ ٹرانسپلانٹ سرجن نسبتاً صحت مند مریض کے لیے کم معیار کے گردے کو مستقبل میں بہتر پیشکش حاصل کرنے کی امید میں مسترد کر دیں گے [7]۔ کے علاوہگردہمعیار،گردہقبولیت اور ضائع کرنے کی شرحیں بھی مختص کرنے کے عمل سے متاثر ہو سکتی ہیں [8]۔ شواہد سے پتہ چلتا ہے کہ مختص کرنے کے عمل میں ابتدائی طور پر رد کیے گئے گردے بعد میں قبول کیے جانے کا امکان کم ہوتا ہے [9]۔ ایک اور تشویش پروگرام کی مخصوص رپورٹوں کی وجہ سے ٹرانسپلانٹ مراکز کے بڑھتے ہوئے خطرے سے بچنا ہے جو ٹرانسپلانٹ کے بعد کے نتائج کا جائزہ لیتے ہیں۔ یہ مراکز کو اعلیٰ معیار کے گردے مانگنے کے لیے ترغیبات فراہم کر سکتے ہیں۔ اس کے نتیجے میں، وہ مریض کے لیے مناسب گردے کو مسترد کر سکتے ہیں، لیکن اس سے ان کے ٹرانسپلانٹ کے بعد کے نتائج کی تشخیص پر منفی اثر پڑنے کا خطرہ ہوتا ہے [8,10-15]۔

کافی زیادہ مشاہدہ نہ کرنے کی ایک اور وجہگردہاستعمال گردے کی پیوند کاری تک رسائی میں امریکی جغرافیائی تفاوت ہے۔ جدول 3 11 خطوں میں فوت شدہ عطیہ دہندگان، OPOs اور ٹرانسپلانٹ مراکز کی تعداد میں جغرافیائی تفاوت کو ظاہر کرتا ہے۔ کئی ریاستوں جیسے وائیومنگ، ایڈاہو، اور مونٹانا میں اعضاء کے عطیہ کی بلند شرح کے باوجود ٹرانسپلانٹ مراکز نہیں ہیں۔ OPOs اور آرگن ٹرانسپلانٹ کی سہولیات میں اس طرح کی تبدیلی اور فرق اعضاء کی غیر منصفانہ دستیابی، دیکھ بھال تک ناقص رسائی، اور کچھ مریضوں کے لیے غیر ضروری طویل انتظار کا باعث بن سکتا ہے۔ UNOS کے پانچ سٹریٹجک اہداف میں سے ایک ٹرانسپلانٹس تک رسائی میں مساوات فراہم کرنا اور جغرافیائی تفاوت کو کم کرنا ہے [16]۔ اچھی طرح سے مماثل عطیہ شدہ اعضاء حاصل کرنے کے مواقع کو بہتر بنانے اور طویل انتظار کے وقت کو کم کرنے کے لیے، مریض ایسے علاقے میں جا سکتے ہیں جہاں انتظار کا کم وقت ہو یا متعدد ٹرانسپلانٹ مراکز میں بھرتی ہو، جو عام طور پر مختلف علاقوں میں واقع ہوتے ہیں [17]۔ UNOS نے متعدد فہرست سازی کی پالیسیاں قائم کی ہیں جو مریضوں کو ایک سے زیادہ ٹرانسپلانٹ سینٹر میں اندراج کرنے کی اجازت دیتی ہیں۔

فی الحال، تقریباً 4 فیصد مریض انتظار کر رہے ہیں۔گردہٹرانسپلانٹ ایک سے زیادہ درج ہیں، جو تمام اعضاء میں سب سے زیادہ شرح ہے [18]۔

کسی بھی ٹرانسپلانٹ کے اندراج کی طرح، مریض کو تشخیصی ٹیسٹ مکمل کرنا چاہیے اور ٹرانسپلانٹ سینٹر کے ضابطے کے لیے پابند ہونا چاہیے، جیسے کہ ایک مقررہ وقت کے اندر ٹرانسپلانٹ سینٹر تک پہنچنے کی صلاحیت۔ متعدد مراکز میں اندراج کے لیے، یہ عمل کافی مہنگا ہو سکتا ہے کیونکہ زیادہ تر بیمہ کمپنیاں اضافی تشخیص کی لاگت واپس نہیں کر سکتیں [15,19]۔ اس کے علاوہ، اعضاء کی پیوند کاری حاصل کرنے والے مریضوں کو ان کی پوسٹ ٹرانسپلانٹ کی دیکھ بھال کے حصے کے طور پر مدافعتی ادویات لینے کی ضرورت ہوتی ہے تاکہ اس بات کو یقینی بنایا جا سکے کہ ان کا جسم کسی نئے عضو کو مسترد نہیں کرتا ہے [20]۔ لہذا، ایک مریض کو یہ جاننے کی ضرورت ہے کہ آیا ٹرانسپلانٹ کے بعد کی دیکھ بھال کو اس کی رہائش گاہ کے قریب کسی مرکز میں منتقل کیا جا سکتا ہے۔ سفری اخراجات کے لیے مناسب مالی معاونت کے لیے پالیسیوں کے بغیر، یہ واضح طور پر اب بھی ایکوئٹی اور انصاف کے معاملے میں ایک مسئلہ کھڑا کر دیتا ہے جسے پالیسی سازوں کو حل کرنے کی ضرورت ہے۔

اس مقالے میں، ہم نے ایک سٹاکسٹک سمولیشن ماڈل متعارف کرایا ہے جسے گردے کے مختص نظام اور پیشکش کے عمل میں تبدیلیوں کے اثرات کا تجزیہ کرنے کے لیے استعمال کیا جا سکتا ہے۔ نقلی ماڈل میں مریض کی صحت، عطیہ کنندہ گردے کا معیار شامل ہوتا ہے جس کی نمائندگی ہوتی ہے۔گردہڈونر پروفائل انڈیکس (KDPI) [21]، مختص کرنے کے عمل کے دوران CIT جمع ہونے کی وجہ سے عطیہ دہندگان کے گردے کے معیار کا بگاڑ، اور گردے کی طلب اور رسد بھی۔ مزید برآں، ماڈل اس موقع پر غور کرتا ہے کہ عطیہ دہندہ گردے کو دیگر وجوہات کی بناء پر قبول نہیں کیا جا سکتا ہے (مثلاً، مریض کی قلیل مدتی بیماری، جراحی کے ناکافی وسائل، کراس میچنگ نتیجہ)۔ UNOS اور سائنٹفک رجسٹری آف ٹرانسپلانٹ وصول کنندگان (SRTR) کے فراہم کردہ ڈیٹا سے تخمینہ شدہ ماڈل پیرامیٹرز کا استعمال کرتے ہوئے، ہم عطیہ کنندہ گردے کی پیوند کاری کی شرح کو بہتر بنانے کے لیے درج ذیل دو اہم رجحانات کی چھان بین کے لیے نقلی ماڈل کا اطلاق کرتے ہیں:

1. ایک سے زیادہ فہرست سازی: کم انتظار کے وقت والے علاقے میں منتقلی یا متعدد علاقوں میں انتظار کی فہرست سے مریض کو پہلے گردے کی پیوند کاری حاصل کرنے کا موقع بڑھا کر مدد مل سکتی ہے۔ نتیجتاً، مریض ڈائیلاسز پر رہنے سے صحت کے کم بگاڑ کی وجہ سے ٹرانسپلانٹ کے بعد کے نتائج کو بہتر بنا سکتا ہے۔ تاہم، منتقلی یا ملٹی لسٹنگ کے مریض کے فیصلے کی رہنمائی کے لیے حکمت عملی تیار کرنا آسان نہیں ہے۔ ہم علاقائی سطح پر بجٹ، فاصلے، اور سہولت کی رکاوٹوں کے ایک سیٹ کے تحت یوٹیلیٹی کو زیادہ سے زیادہ کرنے کے مسئلے کے طور پر فیصلہ کرتے ہیں۔ امریکہ کے 11 خطوں اور خون کی مختلف اقسام کے لیے سپلائی اور ڈیمانڈ وسیع پیمانے پر مختلف ہوتی ہے۔ اس طرح کی تبدیلی کے نتیجے میں انتظار کے اوقات میں بڑے پیمانے پر فرق ہوتا ہے، جس کے نتیجے میں مختلف متوقع افادیت اور گردے کی قبولیت کی بہترین حکمت عملی (جس کا اظہار گردے کے معیار کی بہترین حد کے طور پر کیا جاتا ہے) ہوتا ہے۔ مختلف علاقوں کے لیے مریض کی افادیت حاصل کرنے کے لیے، ہم مریض کی صحت کی حالت اور مریض کے خون کی قسم کے لیے طلب اور رسد کی بنیاد پر انفرادی طور پر بہترین کڈنی ٹرانسپلانٹ قبولیت کے فیصلوں کے تحت افادیت حاصل کرنے کے لیے تخروپن ماڈل کا استعمال کرتے ہیں۔ ہم حاصل کردہ معلومات کو اصلاح کے مسئلے کو حل کرنے اور ایک بہترین خطہ انتخاب کی پالیسی حاصل کرنے کے لیے استعمال کرتے ہیں۔

2. انفارمیشن ٹکنالوجی: UNOS اور ٹرانسپلانٹ مراکز کے درمیان تیز رفتار اور درست مواصلت اعضاء کی تقسیم کو زیادہ موثر بنانے کے لیے ضروری ہے، جو کہ کثیر فہرست والے مریضوں کے سامنے اور بھی زیادہ اہم ہو جاتا ہے۔ UNOS کا مقصد اعضاء کی تقسیم اور پیوند کاری میں انفارمیشن ٹیکنالوجی کے استعمال کو بڑھانا ہے۔ انہوں نے ایک محفوظ آن لائن پر مبنی نظام نافذ کیا ہے جو کہ مریض کے جان بچانے والے عضو کو حاصل کرنے کے موقع کو بہتر بنانے کے لیے ٹرانسپلانٹ سسٹم کی صلاحیت کو بڑھانے کے لیے ڈیٹا اکٹھا کرتا ہے۔ جیسا کہ ٹیکنالوجی تیار ہوئی ہے، یو این او ایس بھی عطیہ دہندگان کے بارے میں تیز اور زیادہ موثر غور کرنے کے لیے موبائل آلات جیسی جدید ٹیکنالوجی کو تیار کرنے اور استعمال کرنے کی حوصلہ افزائی کرتا ہے۔گردہگردے کے استعمال کی اعلی شرح حاصل کرنے کی پیشکش کرتا ہے [22]۔ مثال کے طور پر، موبائل ڈیوائسز ٹرانسپلانٹیشن کے لیے مریضوں کی تازہ ترین دستیابی کو جمع کرنا آسان بنا دے گی (مثلاً، ایپ کے ذریعے)۔ اس معلومات کا استعمال کرتے ہوئے، OPTN گردے کو تیزی سے مختص کرے گا، گردے کی خرابی کو کم کرے گا اور خارج کرے گا۔ کامل معلومات کی مثالی صورت میں، OPTN انتظار کی فہرست میں پہلا مریض تلاش کر سکتا ہے جو فوری طور پر قبول کرے گا۔گردہ، CIT کو کم کرنا اور کم سے کم ضائع کرنا۔ پیش کردہ تخروپن نامکمل معلومات کے اشتراک کے حقیقت پسندانہ کیس کے اثر کا اندازہ کرتا ہے۔

   
   

   
   

2. ادب کا جائزہ

اس سیکشن میں، ہم اس مقالے سے متعلقہ اعضاء کی پیوند کاری کے بارے میں طبی اور تجزیاتی مطالعہ دونوں کا جائزہ لیتے ہیں۔ طبی کاغذات کے لیے، ہم بنیادی طور پر CIT پر توجہ مرکوز کرتے ہیں اور ٹائمون ڈائیلاسز کا انتظار کرتے ہیں کیونکہ دو قابل انتظام آزاد خطرے والے عوامل رینل ٹرانسپلانٹ کے نتائج میں مؤثر طریقے سے حصہ ڈالتے ہیں۔ تجزیاتی سیکشن کے لیے، ہم ان کاغذات کا جائزہ لیتے ہیں جو دو تحقیقی سلسلے میں سے ایک یا دونوں میں آتے ہیں جن کا تعلق مردہ عطیہ کرنے والے اعضاء کو قبول کرنے اور مختص کرنے کے عمل کے ڈیزائن سے متعلق ہے۔

2.1 طبی ادب

شمالی امریکہ، جنوبی امریکہ اور یورپ کے متعدد محققین نے CIT اور کے درمیان تعلق کا مطالعہ کیا ہے۔گردہٹرانسپلانٹ کے نتائج [23,24]۔ Nieto-Ríos et al کے ذریعہ کیا گیا تجزیہ۔ [25] ظاہر کرتا ہے کہ CIT تاخیری گرافٹ فنکشن (DGF) کے لیے ایک آزاد رسک فیکٹر ہے۔ مزید واضح طور پر، ڈی جی ایف کی نشوونما کا خطرہ بڑھ جاتا ہے کیونکہ CIT 18 گھنٹے سے تجاوز کر جاتا ہے۔ تاہم، یہ شدید مسترد ہونے یا ٹرانسپلانٹ کے بعد ایک سال کے گرافٹ نقصان کے نتائج پر منفی اثر نہیں ڈالتا ہے۔

Debout et al کی طرف سے ایک فرانسیسی مطالعہ. [26] نے پایا کہ ٹرانسپلانٹ کے بعد اللوگرافٹ کی ناکامی اور اموات کا خطرہ خاص طور پر CIT کے ہر اضافی گھنٹے میں بڑھ جاتا ہے۔ اسی طرح کا ایک مطالعہ Valdivia et al کے ذریعہ کیا گیا۔ [27] اندلس، اسپین میں، اس بات کی تصدیق کرتا ہے کہ طویل عرصے تک سی آئی ٹی مریض اور گرافٹ کی بقا کی شرح دونوں کو متاثر کر سکتی ہے۔ مطالعہ سے پتہ چلتا ہے کہ طویل سی آئی ٹی عطیہ دہندگان اور وصول کنندہ دونوں کی عمروں سے قطع نظر ابتدائی خراب گرافٹ فنکشن کے خطرے کو بڑھا سکتی ہے۔ جیسے جیسے CIT میں اضافہ ہوتا ہے، DGF کا امکان بھی بڑھ جاتا ہے۔ تاہم، ڈی جی ایف کے خطرے کے ساتھ طویل عرصے تک سی آئی ٹی کی مؤثر وابستگی پرانے عطیہ دہندگان (مثلاً توسیع شدہ معیار، عطیہ دہندگان) میں نہیں بڑھی ہے۔ مطالعہ سے پتہ چلتا ہے کہ ایکیوٹ رینل ٹرانسپلانٹ ریجیکشن (ARTR) پر CIT کا اثر زیر علاج مریضوں میں زیادہ نمایاں ہوتا ہے۔گردہدوبارہ پیوند کاری تجزیہ یہ بھی بتاتا ہے کہ 24 گھنٹے یا اس سے زیادہ عرصے کے سی آئی ٹی والے عطیہ کردہ گردے 12 گھنٹے سے کم سی آئی ٹی والے اعضاء کے مقابلے میں اے آر ٹی آر کا زیادہ خطرہ رکھتے ہیں۔ کوئزومی وغیرہ۔ رپورٹ میں کہا گیا ہے کہ امریکہ میں گردے کے نتائج میں علاقائی تغیرات دیکھے گئے ہیں، لیکن ان تغیرات کے پیچھے بنیادی وجہ واضح نہیں ہے۔ یہ مطالعہ عطیہ دہندگان کے گردوں کے لیے تمام خطوں میں کولڈ اسکیمیا کے وقت (سی آئی ٹی) کے اہم تغیرات کو ظاہر کرتا ہے۔ خاص طور پر، انہیں معلوم ہوتا ہے کہ طویل CIT والے خطوں میں ٹرانسپلانٹ کے بعد گردے کی بقا کی شرح کم ہونے کا امکان زیادہ ہوتا ہے۔ وہ تجویز کرتے ہیں کہ انتظامی اصلاحات موجودہ ٹرانسپلانٹ سسٹم کی کارکردگی کو بڑھانے اور اعضاء کے ضائع ہونے کی شرح کو کم کرنے کے لیے ایک سرمایہ کاری مؤثر انتخاب ہو سکتی ہے۔

Meier-Kriesche et al. انتظار کے وقت اور رینل ٹرانسپلانٹ کے نتائج کے درمیان ممکنہ تعلق پر غور کرنے کے لیے ریاستہائے متحدہ رینل ڈیٹا سسٹم رجسٹری (USRDS) کے ڈیٹا کا استعمال کریں۔ ان کا مطالعہ اس بات کی تصدیق کرتا ہے کہ طویل انتظار کا وقت ایک اہم خطرے کا عنصر ہے جو رینل ٹرانسپلانٹ کی بقا کے فوائد کو منفی طور پر متاثر کرتا ہے۔ نتیجے کے طور پر، وہ تجویز کرتے ہیں کہ پہلے ESRD کے مریضوں کو رینل ٹرانسپلانٹ ملتا ہے، ان کے طویل مدتی بقا کے امکانات اتنے ہی زیادہ ہوتے ہیں۔ Meier-Kriesche اور Kaplan [29] ڈائیلاسز پر انتظار کے وقت کی اہمیت کو سب سے زیادہ آزاد خطرے کے عنصر کے طور پر تحقیق کرتے ہیں۔گردہٹرانسپلانٹ کے نتائج اپنے تجزیے کے حصے کے طور پر، وہ مرنے والے عطیہ دہندگان پر انتظار کے وقت کے اثرات کو دریافت کرنے کے لیے امریکی رینل ڈیٹا سسٹم کے ڈیٹا بیس پر Kaplan-Meier کے تخمینے اور Cox متناسب خطرات کے ماڈلز کا اطلاق کرتے ہیں۔گردہنتائج ان کے نتائج سے پتہ چلتا ہے کہ پانچ اور دس سالہ گرافٹ بقا کی شرح جوڑی والے گردے وصول کرنے والوں میں نمایاں طور پر بدتر ہے جنہوں نے جوڑے کے مقابلے میں ڈائیلاسز پر دو سال سے زیادہ انتظار کیا ہے۔گردہآدھے سال سے کم انتظار کے وقت کے ساتھ وصول کنندگان۔

2.2 تجزیاتی ادب

تجزیاتی ادب کے ڈیزائن پر توجہ مرکوز کرتا ہےگردہمختص کرنے کا عمل اور اکثر نقلی ماڈلز کو ملازمت دیتا ہے۔ جن مسائل پر تبادلہ خیال کیا گیا ہے وہ ہیں مختص کرنے کے عمل کی تاثیر اور مساوات اور گردے کی منظوری کے فیصلے کا اثر۔

2000 میں استعمال ہونے والے مختص کے عمل کا تجزیہ کرنے کے لیے، Zenios et al. [30] متحرک وسائل مختص کرنے کی تجویز پیش کریں جو مریضوں کے درمیان عدم مساوات کو کم کرتے ہوئے گردے کی پیوند کاری سے مریض کی متوقع زندگی کو زیادہ سے زیادہ کرے۔ تعمیر شدہ سمولیشن ماڈل سے پتہ چلتا ہے کہ موجودہ اعضاء کو مختص کرنے کی پالیسی مریض کی کوالٹی ایڈجسٹ شدہ زندگی کی توقع کو بڑھاتی ہے اور متوقع انتظار کے وقت کو کم کرتی ہے۔

دیگردہقبولیت کا فیصلہ تحقیق کے پورے سلسلے میں مرکزی حیثیت رکھتا ہے۔ Ahn اور Hornberger [31] ایک نظریاتی ماڈل تیار کرتے ہیں جو پیش کردہ گردوں کے معیار کے بارے میں قبولیت/مسترد کا فیصلہ کرنے میں مریض کی صحت پر غور کرتا ہے۔ ان کے تجزیہ سے پتہ چلتا ہے کہ نسبتاً صحت مند مریض عطیہ دہندگان کے معیار کے بارے میں انتخاب کرنے کا متحمل ہوسکتا ہے۔گردےاور اعلی معیار کے گردے کو قبول کر کے ٹرانسپلانٹ کے بعد بہتر نتائج حاصل کرنے کی توقع رکھتے ہیں۔ اعضاء کی تقسیم کے نظام پر مریض کی پسند کا اثر Su اور Zenios [32] کے ذریعہ مطالعہ کیا جاتا ہے۔ مطالعہ ایک قطار والا ماڈل متعارف کرایا گیا ہے جو پہلے آنے والی پہلی خدمت (FCFS) اور آخری آنے والی پہلی خدمت (LCFS) دونوں پالیسیوں کے تحت انتظار کے نظام کی کارکردگی کا جائزہ لے کر گردوں کے مسترد ہونے کی شرح پر مریض کی پسند کے اثرات کا تجزیہ کرتا ہے۔ وہ یہ نتیجہ اخذ کرتے ہیں کہ LCFS FCFS سے زیادہ موثر ہے۔ درحقیقت، LCFS کے برعکس، FCFS پالیسی مریضوں کو کم معیار کے گردوں سے انکار کرنے کی ترغیب دیتی ہے، جس کے نتیجے میں گردے کا استعمال کم ہوتا ہے۔ دوسری طرف، ماڈل ظاہر کرتا ہے کہ LCFS پالیسی اعضاء کا بہترین استعمال حاصل کرتی ہے۔ ایک مختلف مطالعہ میں، Su اور Zenios [33] ایک ترتیب وار اسٹاکسٹک اسائنمنٹ ماڈل کا استعمال کرتے ہوئے گردے کی تقسیم میں مریض کی پسند کے کردار کی تحقیقات کرتے ہیں۔ یہ ماڈل مریض کی پسند اور سماجی بہبود کے درمیان تنازع کو حل کرتا ہے۔ تجزیہ دو اسکیموں پر غور کرتا ہے، جہاں پہلا فرض کرتا ہے کہ مریضوں کو پیش کردہ گردے کو قبول کرنا ہوگا۔ پہلا بہترین حل یہ ہے کہ مختص کی پالیسی تلاش کی جائے جو سماجی بہبود کو زیادہ سے زیادہ بنائے۔ مریض کے انتخاب کو متعارف کراتے ہوئے، پہلی بہترین پالیسی کو دوسری بہترین پالیسی کے حصول کے لیے تبدیل کیا جاتا ہے۔ نتیجے کے طور پر، ایک ترغیبی مطابقت کی شرط متعارف کرائی گئی ہے، جو مختص کرنے کی پالیسی کو اس طرح سے ڈیزائن کرنے پر مجبور کرتی ہے کہ مریض گردے کی کسی بھی پیشکش کو قبول کریں گے۔ Su اور Zenios [34] اعضاء کی تخصیص کے لیے ایک میکانزم ڈیزائن ماڈل متعارف کراتے ہیں جو مریض کے انتخاب کو مدنظر رکھتا ہے۔ مریض گردے کی اقسام (مثلاً معیار) بتاتے ہیں جو وہ کڈنی ٹرانسپلانٹ کی ویٹنگ لسٹ میں شامل ہونے پر وصول کرنا چاہتے ہیں (عطیہ کنندہ گردے کی پیشکش کے وقت نہیں) اور اس قطار میں شامل ہو جاتے ہیں جو گردے کی اعلان کردہ قسم کی خدمت کرتی ہے۔ اس طرح، ماڈل مناسب مریضوں کی نشاندہی کرکے طویل تلاشی کے عمل کو کم کرتا ہے جو بازیافت شدہ عطیہ کنندہ گردے کو زیادہ مؤثر طریقے سے قبول کرنا چاہتے ہیں۔

انصاف اور مساوات اہم موضوعات ہیں Bertsimas et al. [35] مرنے والے عطیہ دہندگان تک رسائی میں جغرافیائی تفاوت کا مطالعہ کریں۔گردے. متعدد ٹرانسپلانٹ مراکز کی انتظار کی فہرستوں میں مریض کے اندراج کا بہترین طریقہ وضع کرنے کے لیے وہ قطار میں لگے ہوئے ماڈل کے لیے فلوائیڈ کا تخمینہ استعمال کرتے ہیں۔ مریض کا مقصد بھیڑ کی لاگت کو کم کرتے ہوئے متوقع عمر کو زیادہ سے زیادہ کرنا ہے۔ تجزیاتی، نقلی، اور عددی نتائج کو یکجا کرکے، وہ یہ ظاہر کرتے ہیں کہ متعدد فہرست سازی جغرافیائی مساوات کو بہت زیادہ فروغ دیتی ہے اور عطیہ دہندگان میں اضافہ کرتی ہے۔گردہفراہمی زیادہ عطیہ دہندگان کے ہونے سے ٹرانسپلانٹ کی شرح زیادہ ہوتی ہے اور انتظار کی فہرست میں مریض کی شرح اموات میں کمی آتی ہے۔ کچھ مطالعات [36–38] نے ایسے ماڈل تیار کیے ہیں جو عطیہ کرنے والے وصول کنندہ کے غیر مطابقت پذیر جوڑے کو دوسرے غیر مطابقت پذیر عطیہ دہندگان کے جوڑوں کے ساتھ تبادلہ کے ذریعے زندہ عطیہ دہندہ گردہ وصول کرنے کے قابل بناتے ہیں۔ اگرچہ زیادہ تر موجودہ ماڈلز کا مقصد گردوں کے ممکنہ تبادلے اور سماجی بہبود کی کل تعداد کو زیادہ سے زیادہ کرنا ہے، لیکن وہ عطیہ دہندگان سے وصول کنندہ کی اطمینان کے طور پر بیان کردہ منصفانہ جز پر غور نہیں کرتے ہیں۔ لی وغیرہ۔ [39] دو مرحلوں پر مشتمل اسٹاکسٹک پروگرامنگ ماڈل پیش کریں جو زندہ عطیہ کرنے والے کڈنی ایکسچینج پروگراموں میں انصاف پر غور کرتا ہے۔ یہ مطالعہ گردے کے تبادلے کے نتائج پر انصاف کے اثرات کی تحقیقات کے لیے متعدد منظرناموں کا جائزہ لیتا ہے۔ عددی نتائج زندہ عطیہ دہندگان کے تبادلے کے پروگرام کے نتائج میں بہتری کو ظاہر کرتے ہیں جب غیر موافق جوڑوں کے ملاپ میں انصاف پسندی کو مدنظر رکھا جاتا ہے۔ نوٹ کریں کہ یہاں زیر بحث کچھ مطالعات زندہ گردے کی پیوند کاری میں انصاف کے اثرات پر غور کرتی ہیں۔ تاہم، ہم صرف مردہ عطیہ کرنے والے گردوں کا استعمال کرتے ہوئے ٹرانسپلانٹس پر توجہ مرکوز کرتے ہیں۔

ادب میں پیش کردہ نقالی مضبوط مفروضوں کا استعمال کرتے ہیں۔ مثال کے طور پر، Su اور Zenios [33] فرض کرتے ہیں کہ مریضوں کو کسی بھی پیشکش کو قبول کرنا ہوگا۔گردہ، یا [34] میں مریض اپنے ابتدائی طور پر منتخب کردہ گردے کے معیار کو تبدیل نہیں کر سکتے۔ اس کے علاوہ، زیادہ تر نقلیں عام طور پر ایک واحد متغیر پر مرکوز ہوتی ہیں۔ مثال کے طور پر، Ruth et al کا مطالعہ۔ [40] انتظار کی فہرست کی لمبائی پر توجہ مرکوز کرتا ہے۔ مطالعہ اعضاء کی تقسیم کے عمل کے لیے ایک نقلی ماڈل کی تجویز پیش کرتا ہے اور یہ پایا کہ 1985 میں اعضاء کی تقسیم کے حالات کے تحت، انتظار کی فہرست کی لمبائی بڑھتی رہے گی۔ اس مقالے میں ہم نے جو نقلی ماڈل پیش کیا ہے وہ مریض کے فیصلوں، مختلف خطوں میں طلب اور رسد کے اثر، مختص کرنے کے عمل کی کارکردگی، اور ٹرانسپلانٹ کے بعد کی افادیت کے متوقع اثر کو مدنظر رکھتے ہوئے مزید مکمل تصویر پیش کرتا ہے۔

cistanche باڈی بلڈنگ

3. ماڈلز کی تفصیل

مندرجہ ذیل حصوں میں، ہم تخروپن اور اصلاح دونوں ماڈلز کے اہم اجزاء پر تفصیل سے بحث کرتے ہیں۔ نقلی ماڈلز میں مریض (اعضاء کی طلب)، متوفی عطیہ کرنے والے شامل ہیں۔گردے کیآمد (اعضاء کی فراہمی)، میت کے عطیہ دہندگان کو گردے کے بہترین معیار کی حد تلاش کرنے کے لیے مسلسل گردے کی پیشکش کا عمل، اور صحت کی دی گئی سطح والے مریض کے لیے ٹرانسپلانٹ کے بعد کی افادیت۔ اس کے بعد ہم ایک سے زیادہ فہرست سازی کی پالیسی کی تجویز کرنے کے لیے اصلاحی ماڈل کے مقصدی فنکشن کے گتانک کے طور پر سمولیشن ماڈل کے آؤٹ پٹ کو استعمال کرتے ہیں اور ایسے خطوں کا ایک سیٹ تجویز کرتے ہیں جنہیں مریض منتخب کر سکتا ہے۔

3.1 نقلی ماڈل

ہم ایک نقلی ماڈل تیار کرتے ہیں جو مریض کو بہترین کی شناخت کرنے دیتا ہے۔گردہمعیار کی حد جو اس کی ٹرانسپلانٹ کے بعد کی افادیت کو زیادہ سے زیادہ کرتی ہے۔ ماڈل کے پیرامیٹرز کا انحصار مریضوں کے علاقے کی طلب اور رسد پر ہوتا ہے۔ ہم نقل کرتے ہیں۔گردہقبولیت کی حکمت عملی اور نتیجے میں ٹرانسپلانٹ کے بعد کی افادیت ہر ٹرانسپلانٹیشن سے مطابقت رکھتی ہے۔ شکل 3 نقلی عمل کو واضح کرتا ہے۔ ہم مندرجہ ذیل حصوں میں اہم اجزاء پر تبادلہ خیال کرتے ہیں۔

3.1.1 اعضاء کی مانگ

اس مطالبے کی نمائندگی انتظار کی فہرست میں شامل مریض کرتے ہیں۔ ہم مریضوں کو مسابقتی مریضوں کے کئی گروپوں میں تقسیم کرتے ہیں جو خون کی اقسام اور دیگر طبی معیارات کے لحاظ سے ایک ہی قسم کے مردہ عطیہ کرنے والے عضو حاصل کر سکتے ہیں۔ ہم ہر گروپ کو الگ الگ ماڈل بناتے ہیں۔ ہم انفرادی گروپوں میں اعضاء کی فراہمی کو ایڈجسٹ کرکے گروپوں کے درمیان تعامل پر غور کریں گے (مثلاً خون کی قسم AB والے کچھ مریض کسی بھی قسم کے خون والے عطیہ دہندگان سے اعضاء حاصل کر سکتے ہیں)۔

ہر مسابقتی مریض گروپ کو خون کی قسم j سے متعلق ایک قطار کے ذریعے ماڈل بنایا جاتا ہے جہاں j ∈ {A, B, AB, O}۔ مریض اپنی مماثل قطار میں شامل ہو سکتے ہیں (مثلاً، خون کی قسم کی بنیاد پر) λj کی شرح کے ساتھ اور ہم آہنگ عطیہ دہندگان سے خدمت حاصل کر سکتے ہیں۔ ہم آہنگگردےµi کی شرح کے ساتھ خون کی قسم j قطار میں پہنچیں۔ مثال کے طور پر، خون کی قسم A قطار کے لیے، ہم آہنگگردےA اور O قسم کے ہوتے ہیں۔ مریض انتظار کی فہرست j سے ηi کی ٹرانسپلانٹ کی شرح کے ساتھ نکل جاتے ہیں جب (1) وہ پیش کردہ گردے کو قبول کرتے ہیں، یا (2) θi کی شرح کے ساتھ یا تو وہ پیوند کاری کے لیے بہت زیادہ بیمار ہو جاتے ہیں یا انتظار کی فہرست میں مر جاتے ہیں۔ . قطار کرنے والے ماڈل کی ساخت کو شکل 4 میں دکھایا گیا ہے۔

[34] میں مطالعہ کے بعد، خون کی قسم j کے مریض پوسن کے عمل کے مطابق λj کی آمد کی شرح کے ساتھ انتظار کی فہرست میں شامل ہونے کے لیے پہنچتے ہیں۔ مریض ماڈل میں انتظار کی فہرست میں شامل ہوتے ہیں جس میں ایک ناقابل مشاہدہ ابتدائی صحت کی حالت h0 شامل ہوتی ہے جس میں شامل ہونے کے بعد وہ ڈائیلاسز پر زندہ رہ سکتے ہیں۔ ہم Weibull کی تقسیم کا استعمال کرتے ہوئے مریضوں کی آبادی میں h0 کی تقسیم کا نمونہ بناتے ہیں۔ Weibull کی تقسیم اکثر وقت سے ناکامی کی نمائندگی کرنے کے لیے بقا کے تجزیے میں استعمال ہوتی ہے کیونکہ یہ ناکامی کی شرح کو ظاہر کرنے کے قابل ہے جو وقت کے ساتھ ساتھ کم، مستقل، یا بڑھ رہی ہیں۔ مصنوعی مریض کی صحت، h0، پھر ایک بے ترتیب متغیر H0 ∼ Weibull(a, b) کا احساس ہے، جہاں a اور b بالترتیب پیمانہ اور شکل کے پیرامیٹرز ہیں۔ مریض انتظار کی فہرست سے نکل جاتے ہیں اگر یا تو (1) انہیں ٹرانسپلانٹ ملتا ہے یا (2) وہ خراب صحت (یا موت) کی وجہ سے قطار چھوڑ دیتے ہیں۔ چونکہ h0 وہ وقت ہوتا ہے جب مریض ڈائیلاسز پر زندہ رہ سکتا ہے جب وہ انتظار کی فہرست میں شامل ہوتی ہے (یعنی، انڈیکس اس بات کی نشاندہی کرتا ہے کہ اس نے اب تک صفر سال انتظار کیا ہے)، سالوں کے انتظار کے بعد اصل صحت hw {{1{{ ہے 11}}}} h0 − w جس کا مطلب ہے کہ مریض تازہ ترین انتظار کی فہرست چھوڑ دے گا جب w=h0۔

3.1.2 اعضاء کی فراہمی

مندرجہ ذیل [34]، ہم آہنگ مردہ ڈونرگردےآمد کی شرح µj کے ساتھ ایک آزاد یکساں پوسن عمل کے مطابق خون کی قسم j کے لیے قطار میں پہنچیں۔ او پی ٹی این نے وضاحت کی ہے۔گردہکوالٹی میٹرک جسے کڈنی ڈونر پروفائل انڈیکس (KDPI) کہا جاتا ہے جس میں گردے کی درجہ بندی کرنے کے لیے دس کلینیکل عطیہ کرنے والے عوامل شامل ہوتے ہیں جس کے مطابق ٹرانسپلانٹ کے بعد گردے کی بقا کا تخمینہ لگایا جاتا ہے [41]۔ کے ڈی پی آئی عطیہ دہندگان کی درج ذیل خصوصیات پر غور کرتا ہے: عمر، قد، وزن، نسل، کیا عطیہ دہندہ کی موت دل کے کام میں کمی یا دماغی افعال میں کمی کی وجہ سے ہوئی، موت کی وجہ کے طور پر فالج، ہائی بلڈ پریشر کی تاریخ، ذیابیطس کی تاریخ، اس کی نمائش ہیپاٹائٹس-سی وائرس، سیرم کریٹینائن (گردے کے کام کا ایک پیمانہ)۔ تعمیر کے لحاظ سے، KDPI ایک مقررہ سال میں کاٹے گئے تمام گردوں پر یکساں طور پر تقسیم ہونے کے قریب ہے۔ KDPI کی پیروی کرتے ہوئے، ہم q0 کے ساتھ دکھائے جانے والے عطیہ کنندہ گردے کے معیار کو ایک بے ترتیب متغیر Q ∼ Unif(0, 1) کے احساس کے طور پر ماڈل بناتے ہیں۔ ہم 0 کا استعمال سب سے کم اور 1 اعلیٰ ترین گردے کے معیار کو ظاہر کرنے کے لیے کرتے ہیں، یعنی q0=1 − KDPI۔ جب ایک نیا عطیہ دہندہ گردہ نقلی شکل میں دستیاب ہو جاتا ہے تو گردے کو بیک وقت جی مریضوں کے ایک گروپ کو پیش کیا جاتا ہے جس کی پیشکش پر غور کرنے اور قبولیت/مسترد کرنے کا فیصلہ کرنے کے لیے ایک مخصوص ٹائم ونڈو ہوتا ہے۔ اگر g مریضوں کے گروپ میں سے کوئی بھی مختص وقت کے بعد گردہ قبول نہیں کرسکتا ہے، تو پھر انتظار کی فہرست میں g مریضوں کے اگلے گروپ کو گردہ پیش کیا جاتا ہے۔ مختص کرنے کا عمل اس وقت تک جاری رہتا ہے جب تک کہ مریض کے ذریعہ عضو کو قبول نہ کر دیا جائے یا اسے ضائع کر دیا جائے (ناکام تلاش یا عضو کی جگہ کا تعین کرنے کی وجہ سے)۔ عطیہ کرنے والے گردوں کی موجودہ کمی کے لیے، ہمارے پاس µj <λj ہے،="" یعنی="" گردے="" نئے="" مریضوں="" کے="" مقابلے="" میں="" کم="" شرح="" پر="" پہنچتے="" ہیں۔="" صحت="" یا="" موت="" کی="" وجہ="" سے="" مریض="" کو="" ہٹانا="" قطار="" کو="" ایک="" محدود="" سائز="" پر="" رکھتا="" ہے۔="" طویل="" انتظار="" کی="" فہرستوں="" کا="" نتیجہ="" طویل="" انتظار="" کے="" اوقات="" اور="" مریضوں="" کی="" صحت="" کے="" مزید="" بگاڑ="" کا="" باعث="" بنتا="" ہے۔="" بدلے="" میں،="" یہ="" ہٹانے="" کی="" شرح="" کو="" بڑھاتا="" ہے="" (مریض="" ٹرانسپلانٹ="" حاصل="" کیے="" بغیر="" چلے="" جاتے="" ہیں)۔="" قطار="" کی="" لمبائی="" اس="" توازن="" پر="" مستحکم="" ہوتی="" ہے="" جہاں="" ٹرانسپلانٹ="" کی="" شرح="" اور="" مریض="" کو="" ہٹانے="" کی="" شرح="" مریض="" کی="" آمد="" کی="" شرح="" سے="" ملتی="">

3.1.3 گردے کی قبولیت/مسترد کا فیصلہ

وقت کے ساتھ، ڈونر کے عمل کے طور پرگردہپیشکش جاری رہتی ہے، گردہ CIT کو جمع کرتا ہے اور اس کا معیار بگڑ جاتا ہے۔ ہم اس بگاڑ کو qt {{0}} f(q0, δ, t) کے طور پر بناتے ہیں۔ اس مساوات میں، t جمع شدہ CIT کی نمائندگی کرتا ہے اور q0 بحالی کے وقت گردے کے معیار کی نمائندگی کرتا ہے جب t=0۔ متغیر δ گردے کے معیار کو بگاڑنے والے عنصر کی نمائندگی کرتا ہے۔ ہمارا تقاضا ہے کہ کوالٹی فنکشن f δ اور t میں کم ہو رہا ہے، یعنی ∂ f(q0,δ,t)∂δ < 0="" اور="" ∂="" f="" (q0,δ,t)="" ∂t=""><0۔ تخروپن="" ماڈل="" میں،="" ہم="" وقت="" کی="" پیمائش="" کرتے="" ہیں="" جو="" پیشکشوں="" کے="" ایک="" دور="" کے="" لیے="" وقت="" کے="" ضرب="" کے="" طور="" پر="" ہے۔="" اگر="" مریضوں="" کے="" پاس="" فیصلہ="" کرنے="" کے="" لیے="" ایک="" گھنٹہ="" ہے،="" تو="" ٹی="" گھنٹوں="" میں="" جمع="" شہر="" کی="" نمائندگی="" کرتا="" ہے۔="" ہم="" مریض="" کے="" فیصلے="" کو="" قبول/مسترد="" کرنے="" اور="" اس="" کے="" بعد="" کی="" پیوند="" کاری="" کو="" دو="" مراحل="" میں="" ماڈل="" بناتے="" ہیں۔="" سب="" سے="" پہلے،="" مریض="" یہ="" فیصلہ="" کرنے="" کے="" لیے="" ایک="" حد="" کی="" حکمت="" عملی="" استعمال="" کرتا="" ہے="" کہ="" آیا="" پیشکش="" کی="" گئی="">گردہقابل قبول ہے. مریض اس پیشکش کو قبول کرے گا اگر qt سے زیادہ یا اس کے برابر ہو، جہاں k گردے کے معیار کی حد ہے جس کا فیصلہ مریض اور سرجن کرتے ہیں۔ قابل قبول گردے کے لیے، ہم مریض کی صحت اور ٹرانسپلانٹ سینٹر سے متعلق کئی عوامل پر غور کرتے ہیں۔ نقلی ماڈل میں، ہم ٹرانسپلانٹ کے ہونے کے امکان کا استعمال کرتے ہیں جب کہ ایک قابل قبول گردہ پیش کیا جاتا ہے۔

جہاں p(مریض کے عوامل) مریض کی مخصوص طبی صورتحال اور کسی بھی حقیقت کی نمائندگی کرتا ہے جس کے خلاف مریض یا سرجن فیصلہ کر سکتے ہیں۔گردہان وجوہات کی بناء پر جن کی مکمل طور پر گردے کے معیار کی طرف سے وضاحت نہیں کی گئی ہے (مثال کے طور پر، مریض کو انتظار کی فہرست میں عارضی طور پر غیر فعال رکھا گیا ہے، غیر موافق کراس میچنگ نتیجہ)۔ امکان p(مرکزی عوامل) ٹرانسپلانٹ سنٹر کی تیاری (مثلاً عملے کی دستیابی، آپریٹنگ رومز وغیرہ) کے ساتھ ساتھ مرکز کی کارکردگی کی تشخیص پر ٹرانسپلانٹیشن کے اثرات کے غور و فکر کی نمائندگی کرتا ہے۔ مریض سرجن کے مشورے سے اپنے فیصلے کی حد k کا انتخاب کرتا ہے۔ اس طرح کی حد مریض کی صحت پر اثرانداز ہوگی0 کیونکہ ایک مریض جس کے پاس ڈائیلاسز پر زیادہ وقت باقی ہے وہ بہتر معیار کے گردے کا انتظار کرے گا۔ ہم ہر مریض کے لیے ایک بے ترتیب متغیر K ∼ Unif(0,1) سے منتخب کر کے اس تعلق کو نقلی میں نمونہ بناتے ہیں جو کہ مریض کے ش0 کے ساتھ منسلک ہوتا ہے جس کی نمائندگی ρH کے اسپیئر مین کے رینک کے ارتباطی گتانک سے ہوتی ہے۔ 0، K.

3.1.4 مریض کی پوسٹ ٹرانسپلانٹ یوٹیلٹی

اگر مریض فوت شدہ عطیہ کو قبول کرتا ہے۔گردہپیشکش اور ٹرانسپلانٹیشن ہوتی ہے، ایک مریض کو ٹرانسپلانٹ کے بعد کی افادیت ملتی ہے۔ ٹرانسپلانٹ کے بعد کی افادیت ٹرانسپلانٹیشن کے وقت qt پر گردے کے معیار پر منحصر ہے، اور مریض کے انتظار کے وقت w جس کے نتیجے میں hw=h0 − w کی صحت کی حالت ہوتی ہے۔ ٹرانسپلانٹ کے بعد کی افادیت کو دو حصوں میں تقسیم کیا جا سکتا ہے۔

جہاں B(·) مریض کے لیے فائدہ کی نمائندگی کرتا ہے۔گردہمعیار، اور انتظار کی فہرست میں مریض کی خرابی کے لیے D(·) اکاؤنٹس۔ ان دو اجزاء میں افادیت کو توڑنے سے ڈیٹا سے پیرامیٹرز کا اندازہ لگانے کے فوائد ہیں۔ فنکشن B(·) کو مریض کے فائدے کے طور پر دیکھا جا سکتا ہے اگر وہ بغیر انتظار کیے معیاری qt والا گردہ حاصل کر لے۔ فائدہ کے فنکشن کو مطمئن کرنے کی ضرورت ہے کہ یہ مریض کی صحت h{{0}} اور گردے کے معیار، یعنی ∂B(∂hh00, qt) > 0 اور ∂ کے ساتھ بڑھتا ہے۔ B(∂hq0t, qt) > 0. D(·) گردے کا انتظار کرنے کی وجہ سے بگاڑ کے عنصر کی شکل میں لاگت کی نمائندگی کرتا ہے۔ مریض کی صحت کے ساتھ انتظار کا وقت بڑھنے اور کم ہونے کی وجہ سے لاگت کے فنکشن کو بڑھنے کی ضرورت ہے۔ یعنی B(·) جیسے افعال کی وضاحت کرنے کا ایک عام طریقہ Cox [42] کے ذریعہ تجویز کردہ بقا کے لیے لاجسٹک ریگریشن کی شکل میں ہے جو مشروط مشکلات کا نمونہ بناتا ہے۔ کسی بھی وقت مرنا اس وقت تک زندہ رہنا ہے۔

جہاں m(h{0}}) صحت کی سطح h0 والے مریض کے ٹرانسپلانٹ کے نتائج کی نشاندہی کرتا ہے جس نے فوراً ایک کامل گردہ (qt=1) حاصل کیا تھا (w {{3}) }})۔ قدرتی طور پر، m(h0) مریض کی صحت h0 کے ساتھ بڑھ رہا ہے۔ ہم D(·) کے لیے فنکشنل سے استعمال کرتے ہیں۔

جہاں خرابی کی شرح کو کنٹرول کرتا ہے۔ بگاڑ کا عنصر ایک کے برابر ہوتا ہے (یعنی کوئی بگاڑ نہیں) جب انتظار کا وقت صفر ہو (w {{0}})۔ اگر مریض انتہائی اعلیٰ معیار کے گردے کا انتظار کرتا ہے اور وقت ختم ہوجاتا ہے (یعنی w=h0) تو بگاڑ کا عنصر صفر ہوجاتا ہے۔ 4}})، بگاڑ کو کم کرنا (> 1)، اور بڑھتا ہوا بگاڑ (<1)۔ ڈیٹا="" سے="" پیرامیٹرز="" کا="" تخمینہ="" لگا="" کر="" اور="" تخروپن="" کی="" اصلاح="" کا="" استعمال="" کرتے="" ہوئے،="" ہم="" ہر="" مریض="" کے="" لیے="">گردہمعیار کی حد k∗ جو ٹرانسپلانٹ کے بعد کی افادیت کو زیادہ سے زیادہ کرتا ہے۔

3.2 علاقہ کا انتخاب اور ایک سے زیادہ فہرست سازی کی اصلاح کا ماڈل

ایک مریض کسی دوسرے علاقے (علاقے کا انتخاب) میں جا کر یا متعدد علاقوں میں ٹرانسپلانٹ مراکز میں فہرست بنا کر ٹرانسپلانٹ حاصل کرنے کے اپنے امکانات کو بہتر بنا سکتا ہے۔ ایک سے زیادہ فہرست سازی کے لیے علاقوں کے ایک سیٹ کی شناخت کرنے میں مریض کی مدد کرنے کے لیے، ہم بہترین حد کی پالیسی پیرامیٹر k∗ اور زیادہ سے زیادہ متوقع افادیت کا حساب لگانے کے لیے تخروپن ماڈل کا استعمال کرتے ہیں جو مریض کو ہر علاقے میں ٹرانسپلانٹ سے حاصل ہونے کا امکان ہے۔ اس کی نمائندگی 11 یوٹیلیٹی اقدار Ui(k∗i، h0، w)، i ∈ 1، 2، . . . , 11. سادگی کے لیے، ہم Ui(k∗i ) لکھتے ہیں تاکہ دیے گئے h0 اور w والے مریض کے لیے ٹرانسپلانٹ کے بعد متوقع افادیت کی نمائندگی کی جاسکے۔ علاقے کا انتخاب اب سب سے بڑی افادیت والے علاقے کو چن کر کیا جاتا ہے۔

متعدد فہرست سازی کے لیے، ہم بائنری فیصلہ متغیر کے ذریعے خطے i میں فہرست سازی کے عمل کی نمائندگی کرتے ہیں۔

مریض کے پاس 11 فیصلے کے متغیر ہوتے ہیں، ہر علاقے کے لیے ایک۔ ہم فرض کرتے ہیں کہ مریض رکاوٹوں کے ایک سیٹ کے پیش نظر سب سے زیادہ متوقع افادیت کے ساتھ بہترین خطوں میں فہرست بنا کر اپنے امکانات کو بڑھانا چاہے گا۔ اسے درج ذیل اصلاحی مسئلہ کے طور پر وضع کیا جا سکتا ہے۔

خطے کی افادیت کا خلاصہ اس بات کو یقینی بناتا ہے کہ سب سے بڑی افادیت والے علاقے حل میں شامل ہیں۔ پہلی رکاوٹ اس بات کو یقینی بناتی ہے کہ حل دیئے گئے مریض کے کل بجٹ C کو پورا کرتا ہے۔ دوسری رکاوٹ اس بات پر غور کرتی ہے کہ مریض وقت پر ٹرانسپلانٹ سنٹر تک پہنچنے کے لیے زیادہ سے زیادہ فاصلہ طے کر سکتا ہے۔ تیسری رکاوٹ خطے کی کارکردگی P کے بارے میں مریض کی توقع پر غور کرتی ہے، اور آخر میں، آخری رکاوٹ ریٹو کو 0 یا 1 تک محدود کرتی ہے۔ چونکہ خطوں کی تعداد چھوٹی ہے، صرف 11 کے ساتھ، اس مسئلے کو شمار کرکے حل کیا جا سکتا ہے۔

4. درخواستیں اور عددی نتائج

ہم اس سیکشن کو سمولیشن ماڈل کے لیے درکار پیرامیٹرز کا تخمینہ لگا کر شروع کرتے ہیں اور پھر پیش کرتے ہیں کہ ماڈل کو دو ایپلیکیشنز کے لیے کیسے استعمال کیا جا سکتا ہے۔ پہلی ایپلیکیشن اس بات کی وضاحت کرتی ہے کہ ماڈل کس طرح کسی دوسرے علاقے میں منتقل ہونے یا متعدد علاقوں میں اندراج کے لیے مریض کے انتخاب کی حمایت کرنے کے لیے ایک اسٹریٹجک رہنما خطوط فراہم کر سکتا ہے۔

دوسری ایپلی کیشن جدید معلومات کی مشترکہ ٹیکنالوجی (مثلاً اسمارٹ فون ایپس کے ذریعے) کے استعمال کے ممکنہ فوائد کا تجزیہ کرتی ہے تاکہ مریضوں کی ٹرانسپلانٹ کے بعد کی افادیت میں اضافہ کے ذریعے سماجی بہبود کو بہتر بنایا جا سکے۔گردہاستعمال کی شرح.

cistanche باڈی بلڈنگ

4.1 پیرامیٹرز کا تخمینہ

ہم ماڈل پیرامیٹرز کا تخمینہ لگانے کے لیے UNOS اور SRTR کا ڈیٹا استعمال کرتے ہیں۔ ہم انتظار کی فہرست میں اضافے اور ڈونر کا تخمینہ لگانے کے لیے سال 2019 کے لیے UNOS ڈیٹا نکالتے ہیں۔گردہفراہمی انتظار کے وقت کے حساب کتاب کے لیے، ہم SRTR کی رپورٹ کردہ اقدار استعمال کرتے ہیں۔ SRTR ڈیٹا سسٹم میں تمام عطیہ دہندگان، انتظار کی فہرست میں شامل مریضوں، اور امریکہ میں ٹرانسپلانٹ وصول کنندگان کے لیے تفصیلی طبی اور آبادیاتی ڈیٹا شامل ہے۔ استعمال شدہ ڈیٹاسیٹ 400 سے زیادہ،000 مریضوں پر مشتمل ہے جو اکتوبر 1987 اور 2019 کے آخر کے درمیان فوت شدہ ڈونر کے گردے کی پیوند کاری کے پہلی بار وصول کنندگان ہیں۔

SRTR اور UNOS کی سالانہ رپورٹیں اعضاء کی آمد اور انتظار کی فہرست کی سرگرمیوں کے بارے میں معلومات فراہم کرتی ہیں (مثلاً، مریض کے اضافے اور ہٹانے کے اعدادوشمار)۔ ہم اس ڈیٹا کو ہر دور کے لیے λj اور µjin کا ​​تخمینہ لگانے کے لیے استعمال کرتے ہیں۔

خون کی قسم j قطار میں گردے کی آمد کی شرح کا اندازہ لگانے کے لیے ایک اہم عنصر مریضوں اور عطیہ دہندگان کے درمیان خون کی قسم کی مطابقت ہے۔ خون کی قسم کی مطابقت کے معیار کے مطابق، خون کی قسم O والے عطیہ دہندگان عالمگیر عطیہ دہندگان ہیں جن کے گردے کے اعضاء تمام خون کی اقسام کے مریضوں کو پیش کیے جا سکتے ہیں۔ دوسری طرف، خون کی قسم AB والے عطیہ دہندگان صرف خون کی قسم AB کے مریضوں کو اپنے گردے عطیہ کر سکتے ہیں جب کہ وہ تمام خون کی اقسام کے عالمی وصول کنندہ ہیں۔ جدول 4 کڈنی ٹرانسپلانٹ کے لیے خون کی قسم کی مطابقت کو تفصیل سے دکھاتا ہے۔ یہ کاغذ صرف خون کی قسم A کے نتائج کی اطلاع دیتا ہے۔ خون کی دوسری اقسام کے نتائج بھی اسی طرح حاصل کیے جا سکتے ہیں۔ جدول 5 خون کی قسم A کے لیے عطیہ دہندگان اور مریضوں کی آمد کو ظاہر کرتا ہے۔

ایس آر ٹی آر ڈیٹا کی بنیاد پر خون کی قسم A کے مریض اوسطاً 94 فیصد اور 6 فیصد اعضاء خون کی اقسام A اور O کے عطیہ دہندگان سے حاصل کرتے ہیں، جس کی عکاسی ہوتی ہے۔گردہجدول 5 میں سپلائی پیرامیٹر µj۔ امریکہ میں OPTN کے ذریعہ استعمال کی جانے والی موجودہ پیشکش کی اسکیم کے بعد، ہم اپنے سمولیشن ماڈل میں مریض گروپ کا سائز g=5 استعمال کرتے ہیں۔ ہم نے گردے کے انحطاط کی شرح δ کو 5 فیصد پر سیٹ کی ان رپورٹس کے مطابق کہ اعضاء 48 گھنٹے کی CIT کے بعد شاذ و نادر ہی استعمال ہوتے ہیں [6]۔ δ=0 پر۔{8}}5، گردے کا معیار (1 − 0۔{16}}5) {{10}}. 48 گھنٹے کے بعد اس کے ابتدائی معیار کا فیصد۔ ایک طبی ساتھی کے ساتھ بات چیت کی بنیاد پر، ہم تمام علاقوں کے لیے ٹرانسپلانٹیشن کا امکان p(ٹرانسپلانٹ)=0.8 استعمال کرتے ہیں۔ اعداد و شمار سے ہر علاقے کے امکان کا اندازہ بھی لگایا جا سکتا ہے، لیکن گردوں کی پیشکشوں کو مسترد کرنے کی معلومات فی الحال ہمارے لیے دستیاب نہیں ہے۔ پیرامیٹرز، , اور فائدے کے فنکشن کے لیے B(h0, qt) اور لاگت کے عنصر C(h{{30}}, w) کا اندازہ لگایا جا سکتا ہے اگر پوسٹ سمیت نتائج کا ڈیٹا - ٹرانسپلانٹ بقا دستیاب ہے۔ تاہم، چونکہ ہمارے ڈیٹاسیٹ میں یہ ڈیٹا شامل نہیں ہے، اس لیے ہم اپنے تخروپن میں=0.4،=8 اور=0.5 استعمال کرتے ہیں۔ ہم مریضوں کو ویبل ڈسٹری بیوشن کے ساتھ بے ترتیب متغیر H0 سے تیار کردہ ہیلتھ h0 کے ساتھ انتظار کی فہرست میں شامل کرتے ہیں۔ ہم 7 سال کے قریب اور 12 سال سے کم عمر کی آبادی کا تقریباً 90 فیصد اوسط صحت حاصل کرنے کے لیے پیمانے کا پیرامیٹر a=8 اور ایک شکل پیرامیٹر b=2 استعمال کرتے ہیں۔ ہم اسپیئر مین کی درجہ بندی کا ارتباط ρ(H0, K) 0.2 کا استعمال کرتے ہیں، جو کہ گردے کے قبول شدہ معیار اور ڈیٹا میں مشاہدہ کردہ مریض کی صحت کے درمیان تعلق کے قریب ہے۔

4.2 علاقے کا انتخاب اور ایک سے زیادہ فہرست

خطے کے انتخاب کے نقطہ نظر کو واضح کرنے کے لیے، ہم خون کی قسم A والے ہدف والے مریض کے نتائج کی اطلاع دیتے ہیں، ایک زندگی بھر کا ڈائیلاسز (h0=1) جو اس وقت پوزیشن 100 پر ہے۔ انتظار کی فہرست میں سے ہم تصادفی طور پر تیار کیے گئے مریضوں کے ساتھ انتظار کی فہرست کو پورا کرتے ہیں (جن کی صحت ایک متعلقہ پالیسی کی حد کے ساتھ Weibull کی تقسیم سے لی گئی ہے)۔ ہم فیصلہ کی حد کی قدروں k ∈ {0, 0.1, 0.2, · ·, 0.9} کے لیے 100 بار ایک ہی سمولیشن کرتے ہیں اور متوقع افادیت کا اندازہ لگانے کے لیے 100 رنز کے نتائج کا اوسط بناتے ہیں۔ ہر ایک حد کے لیے۔

جدول 6 بہترین حد، k∗i کے نتائج کی اطلاع دیتا ہے، جس کے نتیجے میں ٹرانسپلانٹ کے بعد کی سب سے بڑی متوقع افادیت، Ui(k∗i ) ہر علاقے کے لیے ہوتی ہے۔ دیگردہقطار میں آنے کی شرح (خون کی قسم A انتظار کی فہرست میں شامل مریض) ہر سال µA ہے اور qt اوسط ٹرانسپلانٹ شدہ گردے کا معیار ہے۔ مثال کے طور پر، اگر ٹارگٹ مریض کا اندراج علاقہ 6 میں ہے، k=0.65 کی حد بہترین ہے، جو 9.6 سال کی افادیت کا باعث بنتی ہے۔ اس کے برعکس، اگر وہ ریجن 2 میں درج ہے، تو بہترین فیصلہ 13.22 سال کی افادیت کے ساتھ 0.85 تک زیادہ ہو سکتا ہے۔

جدول 7 اس تخمینے والے ڈیٹا کی نمائندگی کرتا ہے جسے ہم نے اپنے اصلاحی ماڈل میں خون کی قسم کے لیے قابل عمل خطوں کا ایک سیٹ تلاش کرنے کے لیے استعمال کیا ہے جس کا فرض کیا گیا ہے کہ وہ فی الحال علاقہ 6 میں رہتا ہے اور اس کا اندراج ہے۔ {2}تمام 11 علاقوں میں ایسے مریضوں کے لیے سال کی بقا کی شرح۔ ہر علاقے میں، ہم ایک بڑے شہر کا انتخاب کرتے ہیں اور شہر کے رہنے کی لاگت کے اشاریہ کا استعمال کرتے ہوئے اس کے متعلقہ ماہانہ اخراجات کا تخمینہ لگاتے ہیں۔ تشخیصی لاگت کی تعریف اس وقت تک کی تشخیص کی کل متوقع تعداد کی پیداوار کے طور پر کی جاتی ہے۔گردہٹرانسپلانٹیشن اور قیمت فی تشخیص۔ تشخیص کی متوقع تعداد کا تخمینہ زیادہ تر ٹرانسپلانٹ مراکز کی طرف سے لازمی کردہ 6-ماہ کی دوبارہ تشخیص کی پالیسی کی بنیاد پر لگایا جاتا ہے۔ عام طور پر، مریض متواتر تشخیصی لاگت کی ادائیگی کے لیے ذمہ دار ہے اگر وہ ایک سے زیادہ خطوں میں اندراج کرنا چاہتی ہے کیونکہ زیادہ تر انشورنس پالیسیاں صرف ایک رجسٹریشن کی متواتر تشخیصی لاگت کا احاطہ کرتی ہیں۔ کل لاگت کا حساب اس طرح لگایا جاتا ہے: کل رقم جو ایک مریض کو ادا کرنی پڑتی ہے (تشخیص کی تعداد اوقات تشخیص کی لاگت) کے علاوہ کسی دوسرے علاقے میں سفر کرنے اور تین دن تک رہنے کی قیمت۔

مثال کے طور پر، یہاں ہم فرض کرتے ہیں کہ مریض کا بجٹ C=$15,000 ہے۔ وہ D=1500 میل تک بھی سفر کر سکتی ہے، اور خطے کی کارکردگی سے اس کی کم از کم توقع پانچ سالہ بقا کا 75 فیصد ہے۔ ان تین رکاوٹوں کے تحت ٹرانسپلانٹ کے بعد کے نتائج کو زیادہ سے زیادہ کرنے کا ارادہ رکھتے ہوئے، ہمارے ماڈل کو پتہ چلتا ہے کہ ہوم ریجن 6 کے علاوہ، مریض کو ریجن 5، 4، یا 8 میں بھی شامل کیا جا سکتا ہے، جس میں ریجن 5 سب سے زیادہ متوقع افادیت فراہم کرتا ہے۔ OPTN ٹرانسپلانٹس تک رسائی میں مساوات فراہم کرنے اور جغرافیائی تفاوت کو کم کرنے کے لیے پرعزم ہے [16]۔ مفت متعدد فہرست سازی کے تحت، مریضوں کو ان کے بجٹ کی رکاوٹوں کے پیش نظر، زیادہ سے زیادہ علاقوں میں اندراج کرنے کی ترغیب حاصل ہوتی ہے۔ اس کا مطلب یہ ہے کہ ٹرانسپلانٹیشن تک رسائی مریض کے مالی وسائل سے متاثر ہوتی ہے، جس سے مساوات اور انصاف کے معاملے میں مسئلہ پیدا ہو سکتا ہے۔ تاہم، طویل مدت میں، آزاد خطوں کا انتخاب اور متعدد فہرستیں جغرافیائی تفاوت کو کم کر سکتی ہیں۔ مزید مریض ان خطوں میں شامل ہوں گے جو فی الحال اعلی افادیت کی پیشکش کر رہے ہیں، طلب میں تفاوت کو کم کر رہے ہیں، اور افادیت کے فرق کو کم کر رہے ہیں۔ اس وقت، ایک سے زیادہ خطوں میں اندراج کے لیے زیادہ بجٹ رکھنے کا فائدہ کم ہو جائے گا، جس کے نتیجے میں زیادہ مساوی صورتحال پیدا ہو جائے گی۔ مختصر مدت میں، مناسب پالیسیوں کے ذریعے ایکویٹی کو عارضی طور پر یقینی بنانے کی ضرورت ہے تاکہ مزید مریضوں کے لیے متعدد فہرستیں دستیاب ہوں۔

4.3 مختص کی کارکردگی پر معلومات کے اشتراک کا اثر

ٹرانسپلانٹس کی تعداد بڑھانے کے مقصد کے تحت OPTN اسٹریٹجک پلان (2018–2021) [16] میں ایک اقدام زیادہ موثر عطیہ دہندگان/وصول کنندگان کی مماثلت کے لیے سسٹم ٹولز کا پیچھا کرنا ہے۔ اس طرح کے ٹولز میں معلومات کے تبادلے کے لیے ٹولز شامل ہیں، جس کا مطلب ہے کہ ٹرانسپلانٹیشن سینٹر اور مریض او پی ٹی این کے ساتھ تازہ ترین معلومات کا اشتراک کرتے ہیں، جس میں تیز رفتاری کی صلاحیت ہوتی ہے۔گردہمختص کرنے کا عمل اور اس طرح کولڈ اسکیمیا ٹائم (CIT) اور گردے کے ضائع ہونے کی شرح کو کم کرتا ہے۔

معلومات جو شیئر کی جا سکتی ہیں ان میں شامل ہیں:

1. مریض کی قبولیت کی حد k: ہر مریض اسے رپورٹ کرتا ہے۔گردہمعیار کی قبولیت کی حد k کا فیصلہ خود اور اس کے معالج نے کیا۔

2. مریض کی طرف سے استعمال ہونے والے کسی بھی اضافی فیصلے کے معیار: مریض اور سرجن کے فیصلے اس معلومات سے متاثر ہو سکتے ہیں جو اس میں شامل نہیں ہے۔گردہمعیار کی تشخیص (KDPI) مزید معیاری معیار کے پیرامیٹرز کا ہونا، جہاں مریض اس بات کی وضاحت کر سکتا ہے کہ وہ کیا قبول کرتی ہے، اس سے بہتری آئے گی۔گردہمختص کرنے. مکمل معلومات کے تحت، OPTN فوری طور پر ان مریضوں کی شناخت کر سکتا ہے جو گردے کو قبول کریں گے اور قیمتی CIT کو بچائیں گے۔

3. مریض کی موجودہ دستیابی: اس بات کا تازہ ترین اشارہ کہ آیا مریض فی الحال ٹرانسپلانٹیشن حاصل کر سکتا ہے۔ عوامل میں موجودہ صحت اور سفر شامل ہیں۔

4. ٹرانسپلانٹ سنٹر کی دستیابی: ٹرانسپلانٹ سنٹر کی دستیابی پر غور کریں- سرجری کو بروقت انجام دینے کے لیے تیار آپریٹنگ روم، سرجن، نرسیں اور عملہ جیسی سہولیات موجود ہیں۔

مکمل معلومات کے تحت، OPTN کو تمام مریضوں کی قبولیت کی حد کے بارے میں تازہ ترین معلومات تک رسائی حاصل ہوگی، عضو کے لیے کوئی اضافی ضروریات، اور اگر مریض اور مرکز دستیاب ہیں۔ لہذا، OPTN براہ راست انتظار کی فہرست میں پہلے مریض کی شناخت کر سکتا ہے جو ٹرانسپلانٹ کو قبول اور وصول کرے گا۔ یہ سی آئی ٹی کو مؤثر طریقے سے کم کر دے گا، یعنی ٹی، عضو کو نکالنے اور ٹرانسپلانٹیشن کو انجام دینے کے لیے درکار کم سے کم۔ سمولیشن ماڈل میں، انتظار کی فہرست کی لمبائی پر جی سیٹ کرکے کامل معلومات کا اظہار کیا جا سکتا ہے، جس سے ظاہر ہوتا ہے کہ پوری انتظار کی فہرست کو فوری طور پر مماثل مریض کے لیے تلاش کیا جاتا ہے۔ بہت سی وجوہات کی بنا پر کامل معلومات کو فرض کرنا غیر حقیقی ہے۔ مثال کے طور پر، تکنیکی مسائل معلومات کی دستیابی کو متاثر کر سکتے ہیں اور ہو سکتا ہے کہ مریض یا مراکز تمام معلومات کو مسلسل اپ ٹو ڈیٹ نہ رکھیں۔ ایک زیادہ حقیقت پسندانہ ترتیب کو بہتر بنایا گیا ہے لیکن پھر بھی معلومات کا اشتراک نامکمل ہے۔ مزید معلومات کا مطلب ہے کہ مشترکہ معلومات کا استعمال کرتے ہوئے مریضوں کی تیزی سے شناخت کی جا سکتی ہے۔ ہم اس حقیقت کا اظہار نقلی ماڈل میں مریضوں کی بڑھتی ہوئی تعداد کے ذریعہ کرتے ہیں جن کی فی گھنٹہ تلاش کی جاسکتی ہے (یعنی جی میں اضافہ)۔

معلومات کے بہتر تبادلے کے اثر کو واضح کرنے کے لیے، ہم خطہ 6 میں خون کی قسم A کے مریضوں کے نتائج کی اطلاع دیتے ہیں۔ ہم 1000 مریضوں کے ساتھ انتظار کی فہرست شروع کرتے ہیں اور جب تک انتظار کی فہرست کی لمبائی 1800 مریضوں (200 ماہ) کے لگ بھگ مستحکم نہیں ہو جاتی تب تک اس کی نقل جاری کرتے ہیں۔ ہم اس وارم اپ مدت کے اوسطاً 300 مہینوں کے بعد نتائج کی اطلاع دیتے ہیں۔ بیس لائن g=5 کا فی الحال استعمال شدہ گروپ سائز ہے۔ ہم معلومات کے اشتراک کی مختلف سطحوں کی نمائندگی کرنے کے لیے جی کو مختلف کرتے ہیں۔

جدول 8 معلومات کے اشتراک کے اثرات کو ظاہر کرتا ہے جس سے ظاہر ہوتا ہے کہ انتظار کی فہرست میں کتنے مریضوں کو فی گھنٹہ مؤثر طریقے سے سمجھا جا سکتا ہے۔ پانچ کے بنیادی گروپ کے سائز پر، منظور شدہ گردے کا اوسط معیار 0.66 ہے، جس کی وجہ سے ہر ٹرانسپلانٹ شدہ مریض کی اوسط افادیت 10.76 سال ہوتی ہے۔ گردہ انتظار کی فہرست میں 45 مریضوں تک سفر کر سکتا ہے اور اوسطاً چھٹا مریض اسے قبول کرتا ہے۔ ٹیبل 9 ٹرانسپلانٹ کی شرح کے علاوہ گردے کے استعمال اور انتظار کی فہرست میں اموات کی شرح پیش کرتا ہے۔ گردے کے استعمال کی شرح g کے بڑھنے کے ساتھ نمایاں طور پر بڑھ جاتی ہے۔

جیسا کہ شکل 5 ظاہر کرتا ہے، میں بہتریگردہپیشکش کے عمل کی رفتار کو دوگنا کرنے کے لیے ٹرانسپلانٹ کی شرح 17 فیصد ہے g=10، اور جب مکمل معلومات دستیاب ہوں تو یہ 47 فیصد تک پہنچ جاتی ہے۔ دوسری طرف، انتظار کی فہرست میں اموات کی شرح 7 فیصد کم ہو جاتی ہے جب g=10، اور یہ کمی 21 فیصد تک زیادہ ہو سکتی ہے۔ تخروپن کارکردگی پر اثر کو واضح کرتا ہے کہ معلومات کا اشتراک مختص کرنے کے عمل میں لا سکتا ہے۔

موجودہ ٹیکنالوجی کا استعمال کرتے ہوئے معلومات کے اشتراک کو کئی طریقوں سے لاگو کیا جا سکتا ہے۔ مثالوں میں مریض کی حقیقی وقت کے قریب دستیابی کو ٹریک کرنے کے لیے ایپس اور طبی پہننے کے قابل آلات کا استعمال شامل ہے۔ ٹرانسپلانٹ سینٹرز کے انفارمیشن سسٹم اور او پی ٹی این کے درمیان معیاری انٹرفیس کو سینٹر کی دستیابی کا انتظام کرنے کے لیے استعمال کیا جا سکتا ہے۔ ان ٹیکنالوجیز کو رول آؤٹ کرنے میں وقت لگے گا، لیکن اس سمولیشن اسٹڈی میں پیش کیے گئے نتائج سے ظاہر ہوتا ہے کہ ممکنہ ادائیگی کم کرنے کی صلاحیت کے ساتھ اہم ہے۔گردہکم از کم شرحوں کو ضائع کریں۔

5. اختتامی ریمارکس

اس تحقیق کی پہلی شراکت ایک نقلی ماڈل تیار کر رہی ہے جو ایک بہترین مردہ ڈونر فراہم کرتا ہے۔گردہفیصلہ سازوں (مریضوں اور سرجنز) کے لیے قبولیت کی رہنمائی۔ اعضاء کی قبولیت/مسترد کی ماڈلنگ کا سب سے بڑا چیلنج زندگی بچانے کا ایک اہم فیصلہ کرنے کے لیے حقیقی دنیا کے حالات اور حالات کو شامل کرنا ہے۔ اس وجہ سے، اس کام کے بنیادی نئے پن کے طور پر ہمارا بنیادی مقصد گردے کے انتخاب کے معیار میں تعاون کرنے والے مختلف ضروری عناصر کو پہچاننا، اکٹھا کرنا اور ان پر عمل درآمد کرنا ہے۔ مجوزہ ماڈل مریضوں کی صحت میں تنوع کی اجازت دیتا ہے۔گردہمعیار کے ساتھ ساتھ ان کا باہمی تعلق۔ مزید برآں، ہم CIT کے جمع ہونے کی وجہ سے گردے کے معیار کی خرابی کو شامل کرتے ہیں کیونکہ مختص کرنے کا عمل جاری ہے۔ تمام متذکرہ بالا عناصر کے علاوہ، ہم ایک بہترین ٹرانسپلانٹ حل تجویز کرنے کے لیے مریض کی صحت اور دستیابی کو انسانی اور سہولت کے وسائل کے ساتھ شامل کرتے ہیں۔

مجوزہ ماڈل کا استعمال اس بات کی تحقیقات کے لیے کیا جا سکتا ہے کہ مختلف پالیسیوں کے انتخاب OTPN [16] کے بیان کردہ اسٹریٹجک اہداف کو کس طرح متاثر کر سکتے ہیں۔ ہم نے اسے دو ایپلی کیشنز سے واضح کیا۔ سب سے پہلے، ہم نے دکھایا کہ ماڈل کو کس طرح لاگو کیا جا سکتا ہے تاکہ مریضوں کے فیصلوں کو ایک سے زیادہ اندراج کی قیمت، فاصلے، اور دیکھ بھال کے معیار کی رکاوٹوں کے بارے میں آگاہ کیا جا سکے۔ اگرچہ مختصر مدت میں متعدد فہرست سازی مالی وسائل کی بنیاد پر مریضوں کے درمیان مساوات کے لیے چیلنجز کا باعث بن سکتی ہے، لیکن اس میں ٹرانسپلانٹس تک رسائی میں جغرافیائی تفاوت کو دور کرنے اور اس طرح ایکویٹی میں اضافہ کرنے کی صلاحیت ہے۔

ایک دوسری مثال سماجی بہبود کے پہلو کی طرف توجہ مبذول کراتی ہے۔گردہٹرانسپلانٹیشن ایک بہترین حل تلاش کرنے پر توجہ مرکوز کرنے کے بجائے جیسا کہ پہلی درخواست میں سمجھا جاتا ہے۔ ہم سماجی بہبود کے نتائج (یعنی عطیہ دہندگان کے گردے کے استعمال اور ٹرانسپلانٹ کے بعد کے نظام کی افادیت) کا متعدد سطحوں پر دستیاب معلومات کے لیے موازنہ کرتے ہیں، جس میں معلومات نہ ہونے سے لے کر مکمل معلومات تک شامل ہیں۔ معلومات میں اضافہ گردے کی تیز رفتار تفویض اور گردے کے ضائع ہونے کی شرح کو کم کرنے کا باعث بنتا ہے۔ ٹرانسپلانٹ کی شرح میں اضافہ سماجی بہبود کی افادیت کو بہتر بناتا ہے اور اس کی لمبائی کو کم کرتا ہے۔گردہٹرانسپلانٹ انتظار کی فہرست، وقت، اور شرح اموات۔ پالیسی ساز ان نتائج کو جدید انفارمیشن ٹکنالوجی کی قدر کو متحرک کرنے کے لیے استعمال کر سکتے ہیں تاکہ مطلوبہ معلومات اکٹھی کی جا سکیں اور مراعاتی ڈھانچے کو ڈیزائن کرنے کی اہمیت کو ظاہر کریں جو مریضوں اور مراکز کے ذریعے بروقت معلومات کے اشتراک کی حوصلہ افزائی کرتے ہیں۔ مثال کے طور پر، اسمارٹ فون ڈیوائس کے لیے اعضاء کی پیوند کاری کی ایپلی کیشن ڈیزائن کرنا ایک محفوظ، آسان، اور تیز رفتار طریقہ فراہم کر سکتا ہے تاکہ مطلوبہ معلومات کو بروقت جمع کرایا جا سکے۔ پالیسی ساز ایک بنیادی اصول قائم کرنا چاہتا ہے جس کی تمام مریضوں اور ٹرانسپلانٹ مراکز کو پیشکشیں حاصل کرنے کے لیے عمل کرنے کی ضرورت ہے۔ مثال کے طور پر، لازمی ایپ ٹکنالوجی اور سروس کا استعمال کرتے ہوئے، ٹرانسپلانٹ سینٹر اپنے جمع کرائے گئے ڈیٹا کی باقاعدگی سے (مثلاً، ہر روز) تب نظر ثانی یا تصدیق کر سکتے ہیں جب انتظار کی فہرست میں مریض کی پوزیشن ایک خاص حد سے گزر جاتی ہے۔ مجوزہ ماڈل آسان اور لچکدار ہے جو گردے کی تفویض کے عمل کے بہت سے دوسرے پہلوؤں کی چھان بین کے لیے آسانی سے ڈھال سکتا ہے۔

Autہوr Cپرtributiپرs:مصنفین نے اس کام میں برابر کا حصہ ڈالا۔ تمام مصنفین نے مخطوطہ کے شائع شدہ ورژن کو پڑھا اور اس سے اتفاق کیا ہے۔

فنڈiاین جی:اس تحقیق کو کوئی بیرونی فنڈ نہیں ملا۔

Institutiپرal Review بوard Statement:قابل اطلاق نہیں۔

Informایڈ Consent Statement:قابل اطلاق نہیں۔

Data Availability Statement:اس تجزیے میں استعمال ہونے والا ڈیٹا سیٹ UNOS کے ذریعے حاصل کیا جا سکتا ہے۔

Conflicts of Interest:مصنفین مفادات کے تصادم کا اعلان نہیں کرتے ہیں۔

cistanche باڈی بلڈنگ

References

1. یونیورسٹی آف کیلیفورنیا سان فرانسسکو۔ دیگردہپروجیکٹ - ایک بایوآرٹیفیشل بناناگردہگردے کی ناکامی کے مستقل حل کے طور پر۔ آن لائن دستیاب: (4 اپریل 2020 کو حاصل کیا گیا)۔

2. قومیگردہفاؤنڈیشن اعضاء کا عطیہ اور ٹرانسپلانٹیشن کے اعدادوشمار۔ 2016. آن لائن دستیاب: (16 اپریل 2020 کو رسائی)۔

3. UNOS ریجنز: آرگن ٹرانسپلانٹ علاقائی وسائل۔ آن لائن دستیاب: (20 مارچ 2020 کو حاصل کیا گیا)۔

4. او پی ٹی این۔ 6 دسمبر 2020 سے موثر پالیسیاں [Ex Comm 9.9.A.]۔ آن لائن دستیاب: (2 جنوری 2021 کو حاصل کیا گیا)۔

5. وی، اے. سالکووسکی، این. Kasiske, BL; اسرانی، اے کے؛ سنائیڈر، جے جے انفلوئنس آفگردہمختص کی کارکردگی کے میٹرکس پر قبولیت کا برتاؤ پیش کرتا ہے۔ کلین ٹرانسپلانٹ. 2017، 31، e13057۔

6. کوئزومی، این. داس گپتا، ڈی۔ پٹیل، اے وی؛ سمتھ، ٹی ای؛ مائر، جے ڈی؛ کیلنڈر، سی۔ میلانکن، جے کے سرد اسکیمیا کے وقت میں جغرافیائی تغیر:گردہامریکہ میں لیور ٹرانسپلانٹیشن کے مقابلے، 2003 سے 2011۔ ٹرانسپلانٹ۔ براہ راست2015, 1, e27.

7. ہاورڈ، ڈی ایچ ٹرانسپلانٹ سرجن اعضاء کو کیوں ٹھکرا دیتے ہیں؟: فیصلے کو قبول/مسترد کرنے کا ماڈل۔ جے ہیلتھ اکن۔ 2002، 21، 957-969۔

8. لاسن، سی. جانسن، ڈی. کلیپر، ڈی. Fowler, K.; کپور، ایسگردہشرح ضائع کریں۔ گردے کی خبریں۔ 2017. آن لائن دستیاب: (22 فروری 2020 کو حاصل کیا گیا)۔

9. ژانگ، جے خاموشی کی آواز: امریکہ میں مشاہداتی تعلیمگردہمارکیٹ. نشان سائنس 2010، 29، 315–335۔

10. Schold, JD; بکینی، ایل. سری نواس، ٹی. سری نواس، آر. پوگیو، ای۔ Flechner, S.; سوریا، سی. Segev, D.; فنگ، جے؛ گولڈفارب، ڈی ایسوسی ایشن آف سینٹر کی کارکردگی کی تشخیص اورگردہریاستہائے متحدہ میں ٹرانسپلانٹ کا حجم۔ ایم۔ J. ٹرانسپلانٹ 2013، 13، 67–75۔

11. Schold، J.؛ بکینی، ایل. پوگیو، ای۔ Flechner, S.; گولڈفارب، ڈی سے امیدواروں کو ہٹانے کی ایسوسی ایشنگردہٹرانسپلانٹ انتظار کی فہرست اور مرکز کی کارکردگی کی نگرانی۔ ایم۔ J. ٹرانسپلانٹ بند. جے ایم Soc ٹرانسپلانٹ. ایم۔ Soc ٹرانسپل سرگ 2016، 16، 1276–1284۔

12. Bae, S.; میسی، اے بی؛ لوو، ایکس۔ انجم، ایس. دیسائی، این ایم؛ سیگیو، ڈی ایل کڈنی ڈونر پروفائل انڈیکس (KDPI) کے متعارف ہونے کے بعد ضائع ہونے کی شرح میں تبدیلیاں۔ ایم۔ J. ٹرانسپلانٹ 2016، 16، 2202–2207۔

13. Schold, JD; بکینی، ایل ڈی؛ گولڈفارب، ڈی اے؛ فلیچنر، ایس ایم؛ پوگیو، ای ڈی؛ سہگل، اے آر ایسوسی ایشن کے درمیانگردہٹرانسپلانٹ سینٹر کی کارکردگی اور ڈائیلاسز کے مقابلے میں ٹرانسپلانٹیشن کا بقا کا فائدہ۔ کلین جے ایم Soc نیفرول۔ 2014، 9، 1773–1780۔

14. ہالر، ایم سی؛ Kainz, A.; بیئر، ایچ. Oberbauer، R. ڈائیلاسز ونٹیج اور اس کے بعد کے نتائجگردہٹرانسپلانٹیشن: ایک سابقہ ​​​​کوہورٹ اسٹڈی۔ کلین جے ایم Soc نیفرول۔ 2016، 12، 122–130۔

15. یو این او ایس۔ ٹرانسپلانٹیشن کے بارے میں بات کرنا — ایک سے زیادہ فہرست سازی اور انتظار کے وقت کی منتقلی کے بارے میں اکثر پوچھے جانے والے سوال۔ 2017. آن لائن دستیاب: (13 جون 2020 کو رسائی)۔

16. او پی ٹی این۔ OPTN/UNOS اسٹریٹجک پلان 2018-2021۔ آن لائن دستیاب: (12 اپریل 2020 کو حاصل کیا گیا)۔

17. چکرا، HA؛ چیرٹو، جی ایم؛ O'Hare, AM; ترمیم، ڈبلیو جے؛ Gonwa، TA علاقائی تغیرات میںگردہٹرانسپلانٹ کے نتائج: وقت کے ساتھ رجحانات۔ کلین جے ایم Soc نیفرول۔ 2009، 4، 152–159۔

18. اردیکانی، ایم ایس؛ اورلووسکی، جے ایم ایک سے زیادہ لسٹنگ میںگردہٹرانسپلانٹیشن ایم۔ جے۔گردہڈس 2010، 55، 717–725۔

19. یو این او ایس۔ ایک سے زیادہ لسٹنگ۔ آن لائن دستیاب: (1 دسمبر 2018 کو حاصل کیا گیا)۔

20. غریبی، ج. ایواسی، ایم یو؛ Hahsler، M.؛ Giacoma, T.; گیسٹن، RS؛ Tanriover, B. متوفی عطیہ دہندہ میں اینٹی باڈی پر مبنی انڈکشن تھراپی کی لاگت کی تاثیرگردہریاستہائے متحدہ میں ٹرانسپلانٹیشن. ٹرانسپلانٹیشن 2017، 101، 1234۔