Underutilization of peritoneal dialysis: the role of the nephrologist's referral pattern
Notice bibliographique
Résumé
BACKGROUND: The incidence of end-stage renal disease is increasing, placing a tremendous burden on health care resources. Peritoneal dialysis (PD) is cheaper than hemodialysis and has many potential advantages and few contraindications as an initial modality selection. This study examined differences in patient PD attempt rates between nephrologists using technique survival and mortality as outcomes. METHODS: We performed a retrospective review of the Manitoba Renal Program databases from January 2004 to January 2010. Analysis of 630 patients who commenced dialysis and had demographic data available was performed. A genetic matching algorithm was used to balance potential differences between patient characteristics. Each nephrologist was then compared against their peers to calculate a PD attempt rate. The highest attempt rate group was compared with the lowest. RESULTS: When comparing PD attempt rates between groups, all the results were significant. PD technique survival at >90 days showed no significant differences (P = 0.42). Patient mortality at >90 days was also not significant when comparing groups (P = 0.14). CONCLUSIONS: Our data suggest that when comparing the low- with high-attempt groups, the factors limiting PD utilization do not include on-site availability of PD, case mix, funding, patient location or reimbursement. Aggressive approaches of starting more patients on PD did not lead to lower technique survival or higher mortality rates. If the PD attempt rate was maximized, a significant amount of money and resources could be saved or directed toward helping a larger population without significant harm to patients.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».