Supportive Care: Economic Considerations in Advanced Kidney Disease
Notice bibliographique
Résumé
Kidney supportive care describes multiple interventions for patients with advanced CKD that focus on improving the quality of life and addressing what matters most to patients. This includes shared decision making and aligning treatment plans with patient goals through advance care planning and providing relief from pain and other distressing symptoms. Kidney supportive care is an essential component of quality care throughout the illness trajectory. However, in the context of limited health care resources, evidence of its cost-effectiveness is required to support decisions regarding appropriate resource allocation. We review the literature and outline the evidence gaps and particular issues associated with measuring the costs, benefits, and cost-effectiveness of kidney supportive care. We find evidence that the dominant evaluative framework of a cost per quality-adjusted life year may not be suitable for evaluations in this context and that relevant outcomes may include broader measures of patient wellbeing, having care aligned with treatment preferences, and family satisfaction with the end of life care experience. To improve the evidence base for the cost-effectiveness of kidney supportive care, large prospective cohort studies are recommended to collect data on both resource use and health outcomes and should include patients who receive conservative kidney management without dialysis. Linkage to administrative datasets, such as Medicare, Hospital Episode Statistics, and the Pharmaceutical Benefits Scheme for prescribed medicines, can provide a detailed estimate of publicly funded resource use and reduce the burden of data collection for patients and families. Longitudinal collection of quality of life and functional status should be added to existing cohort or kidney registry studies. Interventions that improve health outcomes for people with advanced CKD, such as kidney supportive care, not only have the potential to improve quality of life, but also may reduce the high costs associated with unwanted hospitalization and intensive medical treatments.
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 | 0,009 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».