Introduzione
L’analisi dei fattori pre-trapianto quali età, sesso, età del donatore o BMI potrebbe aiutare nell’identificazione dei riceventi ad alto rischio di fallimento precoce [1] (full text). Inoltre, sono pochi i lavori che analizzano il fallimento precoce del graft, anche per il basso numero di eventi [2].
Gli alberi di sopravvivenza rappresentano approcci alternativi, che non richiede grandi quantità di dati e particolarmente efficaci nell’individuazione di interazioni tra variabili [3].
Scopo del nostro studio è stato quello di identificare i fattori predittivi e gruppi di pazienti con profili specifici per la sopravvivenza del trapianto a breve termine.
Materiali e Metodi
Si è sviluppato un modello per la previsione dell’outcome a breve termine (6 mesi) del trapianto renale in una coorte di 161 pazienti, validato su una coorte indipendente di 134 riceventi.
Sono stati considerati i seguenti fattori pre-trapianto: sesso, età al trapianto, età dialitica, era del trapianto, ri-trapianto e DGF. Per l’analisi dell’outcome abbiamo utilizzato un’analisi con alberi di sopravvivenza e modelli di Cox per la validazione.
Risultati
Le carateristiche dei trapianti usati per il training e la validazione sono presentate in figura1.
Cinque sottogruppi totali di pazienti sono stati identificati in base all’età del donatore, età dialitica, BMI ed età del ricevente. In particolare, due sottogruppi sono stati identificati come a più alto rischio di fallimento a breve termine del trapianto (78-82% di sopravvivenza a 6 mesi): pazienti con donatore più anziano, maggiore età dialitica e sovrappeso, o normopeso ma più anziani al trapianto (figura2).
Alla validazione sul campione indipendente, il modello era in grado di discriminare tra pazienti a basso e alto rischio (AUC=0.663, 95% CI 0.59-0.71, p=0.006).
Conclusioni
La stratificazione del rischio basata su fattori pre-trapianto potrebbe aiutare a identificare i riceventi ad alto rischio di fallimento precoce del trapianto. L’uso degli alberi di sopravvivenza è d’ausilio nell’identificazione di interazioni tra fattori, fornendo modelli di facile utilizzo per la valutazione della prognosi del trapianto.