Vascular Access Choice in Incident Hemodialysis Patients
Notice bibliographique
Résumé
Hemodialysis vascular access recommendations promote arteriovenous (AV) fistulas first; however, it may not be the best approach for all hemodialysis patients, because likelihood of successful fistula placement, procedure-related and subsequent costs, and patient survival modify the optimal access choice. We performed a decision analysis evaluating AV fistula, AV graft, and central venous catheter (CVC) strategies for patients initiating hemodialysis with a CVC, a scenario occurring in over 70% of United States dialysis patients. A decision tree model was constructed to reflect progression from hemodialysis initiation. Patients were classified into one of three vascular access choices: maintain CVC, attempt fistula, or attempt graft. We explicitly modeled probabilities of primary and secondary patency for each access type, with success modified by age, sex, and diabetes. Access-specific mortality was incorporated using preexisting cohort data, including terms for age, sex, and diabetes. Costs were ascertained from the 2010 USRDS report and Medicare for procedure costs. An AV fistula attempt strategy was found to be superior to AV grafts and CVCs in regard to mortality and cost for the majority of patient characteristic combinations, especially younger men without diabetes. Women with diabetes and elderly men with diabetes had similar outcomes, regardless of access type. Overall, the advantages of an AV fistula attempt strategy lessened considerably among older patients, particularly women with diabetes, reflecting the effect of lower AV fistula success rates and lower life expectancy. These results suggest that vascular access-related outcomes may be optimized by considering individual patient characteristics.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».