Predictors of waiting time for deceased donor kidney transplantation in Thailand: a competing risks analysis

Supasiri Ounjai; Natkamol  Chansatitporn; Prasong Kitidumrongsuk; Supanit Nivatvongs; Oytip Nathalang

doi:10.69898/jhtm.36.2026.287638

Authors

Supasiri Ounjai Department of Biostatistics, Faculty of Public Health, Mahidol University
Natkamol Chansatitporn Department of Biostatistics, Faculty of Public Health, Mahidol University
Prasong Kitidumrongsuk Department of Biostatistics, Faculty of Public Health, Mahidol University
Supanit Nivatvongs Organ Donation Centre, Thai Red Cross Society
Oytip Nathalang Graduate Program in Biomedical Sciences, Faculty of Allied Health Sciences, Thammasat University, Rangsit Campus

DOI:

https://doi.org/10.69898/jhtm.36.2026.287638

Keywords:

Kidney transplantation, Deceased donors, Competing risks analysis, Survival analysis, Dialysis duration, การปลูกถ่ายไต, ผู้บริจาคไตสมองตาย, การวิเคราะห์ความเสี่ยงที่แข่งขันกัน, ระยะเวลาการล้างไต, การวิเคราะห์ระยะการรอดชีวิต

Abstract

Abstract:

Introduction: Management of patients on the waiting list for deceased donor kidney transplantation (DDKT) remains a major challenge in organ transplantation. Understanding the factors that influence access to transplantation is essential for optimizing allocation systems. Objective: This study aimed to evaluate the cumulative incidence of DDKT and identify independent predictors of transplant probability among patients with end-stage kidney disease (ESKD). Materials and Methods: This study analyzed a cohort of 5,276 ESKD patients registered at the Organ Donation Centre, Thai Red Cross Society (ODC-TRCS), during January 1, 2010, and December 31, 2020. Demographic characteristics, ABO blood groups, human leukocyte antigen (HLA) sensitization and HLA-A, -B, -DR haplotypes were analyzed. Transplantation was assessed by using cumulative incidence functions, with death treated as a competing risk. Significant factors were identified by using descriptive statistics and multivariate Fine–Gray sub-distribution hazard models. Results: A total of 1,996 patients (37.83%) underwent transplantation. The median follow-up time for kidney transplantation was 3.5 years. The probability of receiving a DDKT was 15% within the first year and increased to 45% by year 3. Older age was strongly associated with increased transplant likelihood, particularly among patients aged ≥60 years (subdistribution hazard ratio [SHR]: 5.63, 95% confidence interval [95% CI]: 4.12-7.70; p < 0.001). Intermediate (50-80% PRA) and high (81-100% PRA) sensitization were associated with modestly higher transplant probability compared with low sensitization (SHR 1.37; 95% CI 1.02–1.84; p = 0.037) and SHR 1.41, 95% CI 1.01-1.99; p = 0.045). Each additional year of dialysis reduced the likelihood of transplant by 29% (SHR 0.71, 95% CI 0.67-0.75; p < 0.001). ABO blood group and HLA haplotype were not significant. Conclusion: Age, HLA sensitization and dialysis duration significantly influence the probability of DDKT. These findings provide a framework for refining organ allocation policy and may serve as one consideration in its improvement.

บทคัดย่อ

บทนำ การบริหารจัดการผู้ป่วยในบัญชีรายชื่อรอรับการปลูกถ่ายไตจากผู้บริจาคสมองตาย ยังคงเป็นความท้าทายหลักในด้านการปลูกถ่ายอวัยวะ การทำความเข้าใจปัจจัยที่มีอิทธิพลต่อการเข้าถึงการปลูกถ่ายไตจึงมีความสำคัญยิ่งต่อการพัฒนาระบบจัดสรรอวัยวะให้มีประสิทธิภาพสูงสุด วัตถุประสงค์ เพื่อประเมินอุบัติการณ์สะสมของการปลูกถ่ายไตจากผู้บริจาคสมองตาย และระบุปัจจัยพยากรณ์อิสระที่มีผลต่อความน่าจะเป็นในการได้รับการปลูกถ่ายไตในผู้ป่วยโรคไตเรื้อรังระยะสุดท้าย วัสดุและวิธีการ ทำการศึกษาเชิงวิเคราะห์ในกลุ่มตัวอย่างผู้ป่วยโรคไตเรื้อรังระยะสุดท้ายจำนวน 5,276 ราย ที่ลงทะเบียน ณ ศูนย์รับบริจาคอวัยวะ สภากาชาดไทย ระหว่างวันที่ 1 มกราคม พ.ศ. 2553 ถึงวันที่ 31 ธันวาคม พ.ศ. 2563 โดยวิเคราะห์ข้อมูลลักษณะทางประชากร หมู่เลือดระบบ ABO ระดับภูมิคุ้มกันต่อระบบ HLA (HLA sensitization) และลักษณะทางพันธุกรรม HLA-A, -B และ -DR สถิติที่ใช้ประเมินการปลูกถ่ายไตคือฟังก์ชันอุบัติการณ์สะสม (cumulative incidence function) โดยกำหนดให้การเสียชีวิตเป็นเหตุการณ์ความเสี่ยงคู่แข่ง (competing risk) และวิเคราะห์ปัจจัยที่มีนัยสำคัญด้วยสถิติเชิงพรรณนาและแบบจำลองความเสี่ยงส่วนย่อยของ Fine-Gray (multivariate Fine–Gray sub-distribution hazard models) ผลการศึกษา มีผู้ป่วยได้รับการปลูกถ่ายไตทั้งหมด 1,996 ราย (ร้อยละ 37.83) ระยะเวลามัธยฐานของการติดตามผลการปลูกถ่ายไตคือ 3.5 ปี โดยโอกาสที่จะได้รับการปลูกถ่ายไตจากผู้บริจาคสมองตาย คิดเป็นร้อยละ 15 ภายในปีแรก และเพิ่มขึ้นเป็นร้อยละ 45 เมื่อเข้าสู่ปีที่ 3 ปัจจัยด้านอายุที่มากขึ้นมีความสัมพันธ์อย่างมากกับโอกาสได้รับการปลูกถ่ายไตที่เพิ่มขึ้น โดยเฉพาะในกลุ่มผู้ป่วยอายุ ≥60 ปี (subdistribution hazard ratio (SHR) 5.63; 95% CI 4.12–7.70; p < 0.001) สำหรับผู้ป่วยที่มีระดับภูมิคุ้มกันต่อระบบ HLA ระดับปานกลาง (PRA 50-80%) และระดับสูง (PRA 81–100%) มีความน่าจะเป็นในการได้รับการปลูกถ่ายไตเพิ่มขึ้นเล็กน้อยเมื่อเทียบกับกลุ่มที่มีระดับภูมิคุ้มกันต่ำ (SHR 1.37; 95% CI 1.02–1.84; p = 0.037 และ SHR 1.41, 95% CI 1.01–1.99; p = 0.045 ตามลำดับ) นอกจากนี้พบว่า ระยะเวลาการฟอกเลือดที่เพิ่มขึ้นทุก ๆ 1 ปี สัมพันธ์กับโอกาสได้รับการปลูกถ่ายไตที่ลดลงร้อยละ 29 (SHR 0.71, 95% CI 0.67–0.75; p < 0.001) ในขณะที่หมู่เลือดระบบ ABO และลักษณะทางพันธุกรรม HLA ไม่พบความแตกต่างอย่างมีนัยสำคัญ สรุป อายุ ระดับภูมิคุ้มกันต่อระบบ HLA และระยะเวลาการฟอกเลือด เป็นปัจจัยสำคัญที่มีอิทธิพลต่อความน่าจะเป็นในการได้รับการปลูกถ่ายไตจากผู้บริจาคสมองตาย ข้อมูลที่ค้นพบนี้สามารถใช้เป็นกรอบแนวทางในการปรับปรุงนโยบายการจัดสรรอวัยวะและเป็นข้อพิจารณาสำคัญในการพัฒนาระบบให้ดียิ่งขึ้นในอนาคต

Downloads

Download data is not yet available.

References

Tonelli M, Wiebe N, Knoll G, Bello A, Browne S, Jadhav D, et al. Systematic review: kidney transplantation compared with dialysis in clinically relevant outcomes. Am J Transplant. 2011;11:2093-109. DOI: https://doi.org/10.1111/j.1600-6143.2011.03686.x

Liem YS, Bosch JL, Arends LR, Heijenbrok-Kal MH, Hunink MGM. Quality of life assessed with the medical outcomes study short form 36-item health survey of patients on renal replacement therapy: a systematic review and meta- analysis. Value Heal. 2007;10:390-7. DOI: https://doi.org/10.1111/j.1524-4733.2007.00193.x

Liem YS, Bosch JL, Myriam Hunink MG. Preference-based quality of life of patients on renal replacement therapy: a systematic review and meta-analysis. Value Heal. 2008;11:733-41. DOI: https://doi.org/10.1111/j.1524-4733.2007.00308.x

Álvares J, Cesar CC, De Assis Acurcio F, Andrade EIG, Cherchiglia ML.

Quality of life of patients in renal replacement therapy in Brazil: comparison of treatment modalities. Qual Life Res. 2012;21:983-91. DOI: https://doi.org/10.1007/s11136-011-0013-6

Lee S, Don K, Id Y, An JN, Oh YK, Lim CS, et al. Factors affecting mortality during the waiting time for kidney transplantation: a nationwide population- based cohort study using the Korean Network for Organ Sharing (KONOS) database. PLoS One. 2019;14:e0212748. doi: 10.1371/journal.pone.0212748. DOI: https://doi.org/10.1371/journal.pone.0212748

Hernández D, De La Nuez PC, Muriel A, Ruiz-Esteban P, González-Molina M, Burgos D, et al. Clinical assessment of mortality risk in renal transplantcandidates in Spain. Transplantation. 2014;98:653–9. DOI: https://doi.org/10.1097/TP.0000000000000141

Wu DA, Watson CJ, Bradley JA, Johnson RJ, Forsythe JL, Oniscu GC. Global trend and challenges in deceased donor kidney allocation. Kidney Int. 2017;91:1287-99. DOI: https://doi.org/10.1016/j.kint.2016.09.054

Kloss K, Ismail S, Redeker S, Hoogdalem L Van, Luchtenburg A, Busschbach JJ V, et al. Factors influencing access to kidney transplantation : a research protocol of a qualitative study on stakeholders’ perspectives. BMJ Open. 2019; 9:e032694. doi: 10.1136/bmjopen-2019-032694. DOI: https://doi.org/10.1136/bmjopen-2019-032694

Lebret A. Allocating organs through algorithms and equitable access to transplantation— a European human rights law approach. J Law Biosci. 2023;10:lsad004. doi: 10.1093/jlb/lsad004. DOI: https://doi.org/10.1093/jlb/lsad004

Sutharattanapong N, Ingsathit A, Thotsiri S, Wiwattanathum P, Thammanichanond D, Thakoorabutr P, et al. Prediction model for probability of deceased donor kidney transplantation among transplant candidates in waiting list. BMC Nephrol. 2025;26:306. DOI: https://doi.org/10.1186/s12882-025-04221-0

Sapiertein Silva JF, Ferreira GF, Perosa M, Nga HS, de Andrade LGM. A machine learning prediction model for waiting time to kidney transplant. PLoS One. 2021;16: e0252069. doi: 10.1371/journal.pone.0252069. DOI: https://doi.org/10.1371/journal.pone.0252069

Niu D, Chen R, Pang X. Immune landscape in kidney transplantation. J Inflamm Res. 2025;18:15237-56. DOI: https://doi.org/10.2147/JIR.S553007

Schold JD, Srinivas TR, Sehgal AR, Meier-Kriesche HU. Half of kidney transplant candidates who are older than 60 years now placed on he waiting list will die before receiving a deceased-donor transplant. Clin J Am Soc Nephrol. 2009;4:1239-45. DOI: https://doi.org/10.2215/CJN.01280209

Lentine KL, Jodi SM, Grace LR, Jonathan MM. OPTN/SRTR 2023 annual data report: kidney [Internet]. [cited 2025 Sep 1]. Available from: https://srtr.transplant.hrsa.gov/ADR/Chapter?name=Kidney&year=2023#fig:KImort-adult-waiting-all. DOI: https://doi.org/10.1016/j.ajt.2025.01.018

Bostock IC, Alberú J, Arvizu A, Hernández-Mendez EA, De-Santiago A, González Tableros N, et al. Probability of deceased donor kidney transplantation based on % PRA. Transpl Immunol. 2013;28:154-8. DOI: https://doi.org/10.1016/j.trim.2013.05.002

Shang W, Dong L, Feng G, Wang Y, Pang X, Li J, et al. Panel-reactive antibody levels and renal transplantation rates in sensitized patients after desensitization and human leucocyte antigen amino acid residue matching. J Int Med Res. 2013;41:1333-41. DOI: https://doi.org/10.1177/0300060513485896

Patzer RE, Plantinga L, Krisher J, Pastan SO. Dialysis facility and network factors associated with low kidney transplantation rates among United States dialysis facilities. Am J Transplant. 2014;14:1562-72. DOI: https://doi.org/10.1111/ajt.12749

Stewart DE, Wilk AR, Toll AE, Harper AM, Lehman RR, Robinson AM, et al. Measuring and monitoring equity in access to deceased donor kidney transplantation. Am J Transplant. 2018;18:1924-35. DOI: https://doi.org/10.1111/ajt.14922

Xin Z, Wu L, Zhou J, Zhuang J, Peng W, Song T, et al. Analysis of factors influencing kidney function of recipients after renal transplantation in Southwestren China: a retrospective study. Front Med (Lausanne). 2020;7:519582. doi: 10.3389/fmed.2020.519582. DOI: https://doi.org/10.3389/fmed.2020.519582

Fine JP, Gray RJ. A Proportional hazards model for the subdistribution of a competing risk. J Am Stat Assoc. 1999;94:496-509. DOI: https://doi.org/10.1080/01621459.1999.10474144

Thai Red Cross Society. Regulation of the Organ Donation Centre 2002 [Internet]. [cited 2020 Jul 3]. Available from: https://organdonate.redcross.or.th.

Kupatawintu P, Pheancharoen S, Srisuddee A, Tanaka H, Tadokoro K, Nathalang O. HLA-A, -B, -DR haplotype frequencies in the Thai Stem Cell Donor Registry. Tissue Antigens. 2010;75:730-6. DOI: https://doi.org/10.1111/j.1399-0039.2010.01450.x

Hurley CK, Kempenich J, Wadsworth K, Sauter J, Hofmann JA, Schefzyk D, et al. Common, intermediate and well-documented HLA alleles in world populations: CIWD version 3.0.0. HLA. 2020;95:516-31. DOI: https://doi.org/10.1111/tan.13811

Stephens HAF, Chandanayingyong D, Kunachiwa W, Sirikong M, Longta K, Maneemaroj R, et al. A comparison of molecular HLA-DR and DQ allele profiles forming DR51- , DR52- , and DR53-related haplotypes in five ethnic Thai populations from Mainland Southeast Asia. Human Immunology. 2000;61:1039-47. DOI: https://doi.org/10.1016/S0198-8859(00)00172-5

Excofiep L, Slatkin M. Diploid population estimation of molecular haplotype frequencies in a diploid population. Mol Biol Evol. 1995;12;921-27.

Oniscu GC, Schalkwijk AAH, Johnson RJ, Brown H, Forsythe JLR. Equity of access to renal transplant waiting list and renal transplantation in Scotland: Cohort study. Br Med J. 2003;327:1261-3. DOI: https://doi.org/10.1136/bmj.327.7426.1261

Pandey P, Pande A, Mandal S, Devra AK, Sinha VK, Bhatt AP, et al. Effects of different sensitization events on HLA alloimmunization in renal transplant cases; a retrospective observation in 1066 cases. Transpl Immuno. 2022;75:101680. doi: 10.1016/j.trim.2022.101680. DOI: https://doi.org/10.1016/j.trim.2022.101680

Fujii H, Kono K, Nishi S. Characteristics of coronary artery disease in chronic kidney disease. Clin Exp Nephol. 2019;23:725-32. DOI: https://doi.org/10.1007/s10157-019-01718-5

Bhandari SK, Zhou H, Shaw SF, Shi J, Tilluckdharry NS, Rhee CM, et al. Causes of death in end-stage kidney disease: comparison between the United States renal data system and a large integrated health care system. Am J Nephrol. 2022;53:32-40. DOI: https://doi.org/10.1159/000520466

Yamada S, Tsuruya K, Kitazono T, Nakano T. Emerging cross-talks between chronic kidney disease -mineral and bone disorder (CKD-MBD) and malnutrition-inflammation complex syndrome (MICS) in patients receiving dialysis. Clin Exp Nephrol. 2022;26:613-29. DOI: https://doi.org/10.1007/s10157-022-02216-x

Cha J, Han D. Health-related quality of life based on comorbidities among patients with end-stage renal disease. Osong Public Heal Res Perspect. 2020;11:194-200. DOI: https://doi.org/10.24171/j.phrp.2020.11.4.08

The Transplantation Society of Australia and New Zealand. Clinical guidelines for organ transplantation from deceased donors version 1.11 [Internet]. 2023 [cited 2025 Oct 12]. Available from: https://tsanz.com.au/

Organ Procurement and Transplantation Network. OPTN Policies [Internet]. [cited 2026 Apr 3]. Available from: https://www.hrsa.gov/

Eurotransplant International Foundation. Eurotransplant manual: version 2026.1 [Internet]. [cited 2026 Apr 3]. Available from: https://www.eurotransplant.org/

Kher V, Jha PK. Paired kidney exchange transplantation – pushing the boundaries. Transpl Int. 2020; 33:975-84. DOI: https://doi.org/10.1111/tri.13693

Schold JD, Gregg JA, Harman JS, Hall AG, Patton PR, Meier-Kriesche HU. Barriers to evaluation and wait listing for kidney transplantation. Clin J Am Soc Nephrol. 2011;6:1760-7. DOI: https://doi.org/10.2215/CJN.08620910

Fongsarun J, Nuchprayoon I, Yod-in S, Kupatawintu P, Kidprasirt C. Blood groups in Thai blood donors. Thai J Hematol Transf Med. 2002;12:277-86.

Martins PN, Mustian MN, MacLennan PA, Ortiz JA, Akoad M, Caicedo JC, et al. Impact of the new kidney allocation system A2/A2B → B policy on access to transplantation among minority candidates. Am J Transplant. 2018;18:1947-53. DOI: https://doi.org/10.1111/ajt.14719

Nayebpour M, Ibrahim H, Garcia A, Koizumi N, Johnson LB, Callender CO. Original investigation increasing access to kidney transplantation for black and Asian patients through modification of the current A2 to B allocation policy. Kidney360. 2024;5:88-95. DOI: https://doi.org/10.34067/KID.0000000000000297

Wu C, Shapiro R, Tan H, Basu A, Smetanka C, Morgan C, et al. Kidney transplantation in elderly people: the influence of recipient comorbidity and living kidney donors. J Am Geriatr Soc. 2008;56:231-8. DOI: https://doi.org/10.1111/j.1532-5415.2007.01542.x

Neri F, Furian L, Cavallin F, Ravaioli M, Silvestre C, Donato P, et al. How does age affect the outcome of kidney transplantation in elderly recipients?. Clin Transplant. 2017;31:e13036. doi: 10.1111/ctr.13036. DOI: https://doi.org/10.1111/ctr.13036

Sukhumvat S, Tammakorn C, Siriyotha S, Thammanichanond D. Comparison between allocation score from panel reactive antibody (PRA) and allocation score from calculated PRA (cPRA) in kidney transplant waiting list. J Hematol Transfus Med. 2019;29:183-93.