Although expedited placement could ameliorate stagnant kidney utilization, precisely identifying difficult-to-place organs is crucial to mitigate potential harms associated with this policy. Existing algorithms have only leveraged structured data from the Organ Procurement and Transplantation Network (OPTN); however, detailed, free text case information about a donor exists. No known research exists about the utility of these data. We developed a model to predict the probability of delay or discard for adult deceased kidney donors between 2010 and 2018, leveraging donor free text data. The resultant model had a c-statistic of 0.75 compared to 0.80 ( Reduced Probability of Delay or Discard [model], r-PODD) and 0.77 ( Kidney Donor Profile Index, KDPI) on the test dataset. Analysis of the top predictive words suggest both known and potentially novel clinical factors (ie, a known factor such as hypertension vs a novel factor such as stents), and nuanced social factors (intravenous drug use) could negatively affect kidney utilization. These findings suggest that donor narratives have utility; the natural language processing (NLP) model is only moderately correlated with existing indices and provides directional evidence about additional cardiovascular risk factors that may affect kidney utilization. More research is needed to understand the potential to enhance existing indices of kidney utilization to better enable and mitigate the effects of policy interventions such as expedited placement.

中文翻译：

---

捐助者的叙述能否产生见解？促进肾脏分配的自然语言处理概念证明。

尽管加快放置可以改善停滞不前的肾脏利用，但准确识别难以放置的器官对于减轻与该政策相关的潜在危害至关重要。现有算法仅利用来自器官获取和移植网络 (OPTN) 的结构化数据；但是，存在关于捐赠者的详细的自由文本案例信息。没有关于这些数据的效用的已知研究。我们开发了一个模型来预测 2010 年至 2018 年间成年已故肾脏捐赠者的延迟或丢弃概率，利用捐赠者自由文本数据。与测试数据集上的 0.80（延迟或丢弃概率降低 [模型]，r-PODD）和 0.77（肾脏供体概况指数，KDPI）相比，所得模型的 c 统计量为 0.75。对顶级预测词的分析表明已知和潜在的新临床因素（即已知因素如高血压与新因素如支架），以及细微的社会因素（静脉注射药物）可能对肾脏利用产生负面影响。这些发现表明捐助者的叙述是有用的；自然语言处理 (NLP) 模型仅与现有指数适度相关，并提供有关可能影响肾脏利用的其他心血管危险因素的方向性证据。需要更多的研究来了解提高现有肾脏利用指数的潜力，以更好地实现和减轻政策干预（如加速安置）的影响。细微的社会因素（静脉注射药物）可能会对肾脏利用产生负面影响。这些发现表明捐助者的叙述是有用的；自然语言处理 (NLP) 模型仅与现有指数适度相关，并提供有关可能影响肾脏利用的其他心血管危险因素的方向性证据。需要更多的研究来了解提高现有肾脏利用指数的潜力，以更好地实现和减轻政策干预（如加速安置）的影响。细微的社会因素（静脉注射药物）可能会对肾脏利用产生负面影响。这些发现表明捐助者的叙述是有用的；自然语言处理 (NLP) 模型仅与现有指数适度相关，并提供有关可能影响肾脏利用的其他心血管危险因素的方向性证据。需要更多的研究来了解提高现有肾脏利用指数的潜力，以更好地实现和减轻政策干预（如加速安置）的影响。自然语言处理 (NLP) 模型仅与现有指数适度相关，并提供有关可能影响肾脏利用的其他心血管危险因素的方向性证据。需要更多的研究来了解提高现有肾脏利用指数的潜力，以更好地实现和减轻政策干预（如加速安置）的影响。自然语言处理 (NLP) 模型仅与现有指数适度相关，并提供有关可能影响肾脏利用的其他心血管危险因素的方向性证据。需要更多的研究来了解提高现有肾脏利用指数的潜力，以更好地实现和减轻政策干预（如加速安置）的影响。