Disparities in dialysis allocation: An audit from the new South Africa
Notice bibliographique
Résumé
End Stage Kidney Disease (ESKD) is a public health problem with an enormous economic burden. In resource limited settings management of ESKD is often rationed. Racial and socio-economic inequalities in selecting candidates have been previously documented in South Africa. New guidelines for dialysis developed in the Western Cape have focused on prioritizing treatment. With this in mind we aimed at exploring whether the new guidelines would improve inequalities previously documented. A retrospective study of patients presented to the selection committee was conducted at Groote Schuur Hospital. A total of 564 ESKD patients presented between 1 January 2008 and 31 December 2012 were assessed. Half of the patients came from low socioeconomic areas, and presentation was late with either overt uremia (n = 181, 44·4%) or fluid overload (n = 179, 43·9%). More than half (53·9%) of the patients were not selected for the program. Predictors of non-acceptance onto the program included age above 50 years (OR 0·3, p = 0·001), unemployment (OR 0·3, p<0·001), substance abuse (OR 0·2, p<0·001), diabetes (OR 0·4, p = 0·016) and a poor psychosocial assessment (OR 0·13, p<0·001). Race, gender and marital status were not predictors. The use of new guidelines has not led to an increase in inequalities. In view of the advanced nature of presentation greater efforts need to be made to prevent early kidney disease, to allocate more resources to renal replacement therapy in view of the loss of young and potentially productive life.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».