Disparities in Kidney Transplantation Access among Korean Patients Initiating Dialysis: A Population-Based Cohort Study Using National Health Insurance Data (2003-2013)
Notice bibliographique
Résumé
BACKGROUND: The socioeconomic status of a person has an impact on his or her access to kidney transplantation as has been reported in western countries. This study examined the association between income level and kidney transplantation among chronic kidney disease patients undergoing dialysis in South Korea. METHODS: We analyzed data from 1,792 chronic kidney disease patients undergoing dialysis and listed in the Korean National Health Insurance Claim Database (2003-2013). The likelihood of receiving the first kidney transplant over time was analyzed using competing risk proportional hazard models on time from initiating dialysis to receiving a transplant. RESULTS: Of 1,792 patients on dialysis, only 184 patients (10.3%) received kidney transplants. Patients with medical aid had the lowest kidney transplantation rate (hazard ratio 0.29, 95% CI 0.16-0.51). A lower income level was significantly associated with a low kidney transplantation rate, after adjusting for covariates, compared to patients in the high-income level group. CONCLUSIONS: Our findings indicate that in South Korea, the total number of kidney transplants is remarkably low and there exists income disparity with regard to access to kidney transplantation. Thus, we suggest that plans be implemented to encourage organ donation and increase organ transplant accessibility for all patients irrespective of their socioeconomic status.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».