Kidney Transplant Recipients' Perspectives on Cardiovascular Disease and Related Risk Factors After Transplantation: A Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Cardiovascular disease (CVD) is a major cause of mortality among kidney transplant recipients (KTRs). These patients have a high prevalence of risk factors, such as hypertension, diabetes, and dyslipidemia. Despite regular medical care, few of them reach the recommended therapeutic targets. The objective of this study is to describe KTRs' perspectives on CVD and related risk factors, as well as their priorities for posttransplant care. METHODS: Twenty-six KTRs participated in a semistructured interview about their personal experience and offered their perspectives on CVD risk factors posttransplant. The interview was digitally recorded and the transcripts were analyzed using a thematic and content methodology. RESULTS: CVD and related risk factors appear to be underestimated and trivialized. Only 2 of 26 patients identified CVD prevention and treatment as a priority. The most important posttransplant priorities identified by patients were related to immunosuppressive drugs (13 of 26), posttransplant follow-up (10) and graft survival (9). However, 21 of 26 patients stated they wanted to be better informed about posttransplant CVD risk factors. CONCLUSIONS: CVD and related risk factors are not a priority for KTRs, and the importance of CVD is underestimated and trivialized. KTRs did recommend that tailored information be provided by various professionals and at several points in the transplantation process. This knowledge will help us develop a new approach to increase awareness of posttransplant CVD and related risk factors.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».