Validation of AVAS (ArterioVenous Access Stage) Classification Using Machine Learning to Predict Vascular Access Creation

Abstract

Validation of AVAS (ArterioVenous Access Stage) Classification Using Machine Learning to Predict Vascular Access Creation Author: MUDr. Kateřina Lawrie Programme: Experimental Surgery Supervisor: prof. MUDr. Peter Baláž, PhD, FEBS Consultant: doc. MUDr. Petr Waldauf, PhD, EDIC Consultant: Mr. Stephen O'Neill, MSc, PhD, FRCS Prague 2025 Abstract Background: The arteriovenous access stage (AVAS) classification evaluates the suitability of upper extremity vessels for vascular access (VA) creation. It classifies patients into three main groups: AVAS1 (suitable for native fistula), AVAS2 (suitable for prosthetic graft), and AVAS3 (unsuitable for conventional VA). This study assesses the predictive ability of AVAS by comparing the AVAS class with the type of created VA (cVA) and by using machine learning (ML) to compare the predictive performance of AVAS with that of sonographic mapping. Methods: A prospective, multicentre, international study (NCT04796558) was conducted across 11 centres in 8 countries, with patient recruitment from March 2021 to July 2024. Collected data included demographics, risk factors, vessel parameters, VA types, AVAS classification, and early VA failure. Percentage agreement was used to assess the predictive ability of AVAS (by comparing AVAS with cVA) and the consistency of AVAS...

Validace AVAS klasifikace (ArterioVenous Access Stage Classification) pomocí "Machine learning" k predikci vytvoření cévního přístupu pro hemodialýzu Autor: MUDr. Kateřina Lawrie Program: Experimentální chirurgie Školitel: prof. MUDr. Peter Baláž, PhD, FEBS Konzultant: doc. MUDr. Petr Waldauf, PhD, EDIC Konzultant: Stephen O'Neill, MSc, PhD, FRCS V Praze, 2025 Abstrakt Úvod: Klasifikace AVAS (Arteriovenous Access Stage) hodnotí stav cév horní končetiny a možnosti vytvoření cévního přístupu (CP) pro dialýzu. Pacienty klasifikuje do tří základních skupin: AVAS1 (vhodné pro nativní fistuli), AVAS2 (vhodné pro protetický CP) a AVAS3 (nevhodné pro běžný CP). Tato studie zkoumá schopnost AVAS predikovat vytvořený CP (vCP) prostřednictvím porovnání AVAS s vCP a pomocí strojového učení, které porovnává prediktivní výkon AVAS se sonografickým mappingem. Metody: Prospektivní, mezinárodní multicentrická studie (NCT04796558) probíhala v 11 centrech v 8 zemích s náborem pacientů od března 2021 do července 2024. Sběr dat zahrnoval demografické a klinické parametry, rozměry cév, typy CP, AVAS třídu a časné selhání CP. K hodnocení prediktivní schopnosti AVAS (porovnáním AVAS s vCP) a shody mezi hodnotiteli byla použita procentuální shoda. Pro srovnání míry časného selhání konvenčního CP (CP vytvořeného v souladu s kritérii...