Age and Sex Disparities in Discussions About Kidney Transplantation in Adults Undergoing Dialysis
Notice bibliographique
Résumé
OBJECTIVES: To explore whether disparities in age and sex in access to kidney transplantation (KT) originate at the time of prereferral discussions about KT. DESIGN: Cross-sectional survey. SETTING: Outpatient dialysis centers in Maryland (n = 26). PARTICIPANTS: Individuals who had recently initiated hemodialysis treatment (N = 416). MEASUREMENTS: Participants reported whether medical professionals (nephrologist, primary medical doctor, dialysis staff) and social group members (significant other, family member, friend) discussed KT with them and, when applicable, rated the tone of discussions. Relative risks were estimated using modified Poisson regression. RESULTS: Participants aged 65 and older were much less likely than those who were younger to have had discussions with medical professionals (44.5% vs 74.8%, P < .001) or social group members (47.3% vs 63.1%, P = .005). Irrespective of sex and independent of race, health-related factors, and dialysis-related characteristics, older adults were more likely not to have had discussions with medical professionals (relative risk (RR) = 1.13, 95% confidence interval (CI) = 1.03-1.24, for each 5-year increase in age through 65; RR = 1.28, 95% CI = 1.14-1.42, for each 5-year increase in age beyond 65). Irrespective of age, women were more likely (RR = 1.45, 95% CI = 1.12-1.89) not to have had discussions with medical professionals. For each 5-year increase in age, men (RR = 1.04, 95% CI = 0.99-1.10) and women (RR = 1.17, 95% CI = 1.10-1.24) were more likely not to have discussions with social group members. Of those who had discussions with medical professionals or social group members, older participants described these discussions as less encouraging (all P < .01). CONCLUSION: Older adults and women undergoing hemodialysis are less likely than younger adults and men to have discussions about KT as a treatment option, supporting a need for better clinical guidelines and education for these individuals, their social network, and their providers.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».