Determinants of training and technique failure in home hemodialysis
Notice bibliographique
Résumé
Home hemodialysis (HHD) has clinical and economic advantages compared with in-center conventional hemodialysis. Many health systems wish to broaden the population to which this modality can be successfully offered. However, determinants of successful HHD training and technique survival are unknown. We hypothesize that both medical and social factors play a role when patients fail to successfully adopt HHD. We examined characteristics of consecutive patients who initiated training for HHD between 2003 and 2011. Patients were classified as "failure" if they failed to complete HHD training or experienced technique failure (TF) within the first year of treatment. Remaining patients were classified as "success." One hundred seventy-seven patients initiated HHD training. In the "failure" group (n = 32), 24 did not finish training and 8 had TF. In the "success" group (n = 145), 65 (45%) patients remained on NHD, 49 (34%) discontinued HHD because of renal transplantation and 21 (14%) because of death, while only 10 (7%) eventually transferred to another dialysis modality. In a multivariable logistic regression analysis, the strongest predictors of "failure" were end-stage renal disease because of diabetes (odds ratio [OR] 3.8, 95% confidence interval [CI] 1.4-10.3, P = 0.008) and use of rental housing (OR 3.1, 95% CI 1.3-6.0, P = 0.01). Both medical and social factors are associated with failure to adopt HHD. Enhanced supports or a customized education strategy for these vulnerable patients should be considered.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».